根據(jù)《自然》最新發(fā)表的一項研究，一類增強學習算法在雅達利經(jīng)典游戲中的得分超過了人類玩家和已有的人工智能系統(tǒng)。這類算法被統(tǒng)稱為Go-Explore，它改善了對復雜環(huán)境的探索方式，或有望朝著實現(xiàn)真正智能學習體邁出重要一步。

增強學習可以讓人工智能系統(tǒng)通過探索和理解復雜環(huán)境來進行決策，并學習如何以最優(yōu)的方式獲得獎勵。然而，當遇到很少給予反饋的復雜環(huán)境時，目前的加強學習算法似乎很容易碰壁。

但Go-Explore突破了這些障礙。它可以對環(huán)境進行全面探索，同時構建一個檔案庫來記住它去過的地方，確保自己不會忘記通往有望成功的中期階段或是最終勝利（獎勵）的路線。

利用這類算法，論文作者解決了之前未能解決的2600個雅達利游戲，驗證了這類算法的潛力。作者指出，記住并回到有望成功的探索區(qū)域的簡單原則，是一種強大、通用的探索方法。他們認為論文所報道的算法有望應用于機器人、語言理解和藥物設計。
責任編輯：YYX