2016年，Alphabet的DeepMind与AlphaGo一同出现，而AI一直领先于人类最佳的Goplayer。一年后，该子公司继续完善其工作并创建了AlphaGoZero。在AlphaGoZero的前任通过观察业余和专业比赛来学习围棋的过程中，AlphaGoZero通过简单地与自己对战来掌握了古老的比赛。然后，DeepMind创建了AlphaZero，该AlphaZero可以使用一种算法来玩围棋，国际象棋和将棋。将所有这些AI绑定在一起的是，他们知道在训练期间必须掌握的游戏规则。而且DeepMind的最新AIMuZero可以被掌握，而不会被告知如何下棋和其他游戏规则。相反，人工智能仅学习了游戏的相关内容，并且比以前的任何DeepMind算法都具有能力或更强。创建一种可以适应这种情况的算法是人工智能研究人员试图解决的挑战。尽管该算法并不了解控制仿真的所有规则，但仍可以找到一种规划成功的方法。 DeepMind一直在尝试使用一种称为高级搜索的方法来解决此问题。使用此方法，算法将考虑将来的状态以制定行动计划。解决此问题的最佳方法是考虑如何玩象棋或《星际争霸2》这样的策略游戏。在采取行动之前，将考虑对手的反应并尝试制定相应的计划。几乎以相同的方式，使用前瞻性方法的AI会尝试预先计划几个动作。即使像象棋这样的相对简单的游戏也无法考虑所有可能的未来状态，因此AI会优先考虑最有可能赢得比赛的游戏。 DeepMind方法的问题在于，大多数现实情况，甚至某些游戏，都没有一套简单的规则来控制操作。因此，一些研究人员试图通过尝试对特定游戏或场景环境如何影响结果建模的方法来解决该问题，然后使用该知识来制定计划。该系统的缺点是某些领域是如此复杂，以至于几乎不可能对所有方面进行建模。例如，事实证明，大多数Atari游戏都是这种情况。在某种程度上，MuZero结合了两个优势。它并没有尝试对所有模型进行建模，而只是试图考虑那些对决策至关重要的因素。正如DeepMind指出的那样，这就是人类的行为。当大多数人看着窗外，看到地平线上形成乌云时，通常不会被凝结和压力边界之类的东西所打扰。相反，他们考虑外出时应如何穿着以保护自己免受雨淋。 MuZero做类似的事情。当必须做出决定时，它会考虑三个因素。它将考虑其先前决定的结果，其当前位置以及下一步的最佳行动方案。这种看似简单的方法使MuZero成为迄今为止DeepMind最为有效的算法。在测试中，发现MuZero在国际象棋，Go和Shogi中的表现与AlphaZero相同，并且比Atari游戏中包括Agent57在内的所有先前算法都要好。还发现MuZero考虑动作的时间越长，执行效果越好。 DeepMind也进行了测试，在这些测试中，发现MuZero仍然可以取得良好的结果。在Atari游戏中获得高分非常好，但是DeepMind最新研究的实际应用又如何呢？简而言之，它们可能是开创性的。尽管尚未找到，但MuZero是开发通用算法的最接近的研究人员。该子公司表示，MuZero的学习能力有一天可以帮助它解决没有简单规则的机器人领域的复杂问题。原始标题：DeepMind的最新AI-您可以在不事先知道规则的情况下掌握游戏。文章来源：[微信公众号：IEEE电气电子工程师学会]欢迎您关注！请指出转载文章的来源。