蓋世汽車訊 創(chuàng)建可以像人類一樣有效地學(xué)習(xí)競(jìng)爭(zhēng)和合作的人工智能代理仍然很難。關(guān)鍵挑戰(zhàn)在于讓AI代理能夠預(yù)測(cè)其他代理的未來(lái)行為，同時(shí)都在學(xué)習(xí)。而目前的方法都較為短視，代理只能猜測(cè)隊(duì)友或競(jìng)爭(zhēng)對(duì)手接下來(lái)的幾步，無(wú)法從長(zhǎng)遠(yuǎn)考量，從而導(dǎo)致性能不佳。

據(jù)外媒報(bào)道，來(lái)自麻省理工學(xué)院（MIT）、MIT -IBM沃森人工智能實(shí)驗(yàn)室（Watson AI Lab）和其他機(jī)構(gòu)的研究人員開發(fā)出新方法，可為人工智能代理提供有遠(yuǎn)見的視角。該機(jī)器學(xué)習(xí)框架使合作或競(jìng)爭(zhēng)的人工智能代理能夠考慮其他代理在長(zhǎng)遠(yuǎn)未來(lái)（接近無(wú)窮）的行為，而非僅僅接下來(lái)幾個(gè)步驟。然后代理會(huì)相應(yīng)地調(diào)整行為以影響其他代理的未來(lái)行為，并得出最佳的長(zhǎng)期解決方案。

圖片來(lái)源：MIT

一組自動(dòng)無(wú)人機(jī)可以使用這個(gè)框架協(xié)同工作，例如在茂密的森林中尋找迷路的徒步旅行者，或者自動(dòng)駕駛汽車在高速公路上行駛，且可通過預(yù)測(cè)其他車輛的未來(lái)移動(dòng)保護(hù)乘員安全。

MIT信息和決策系統(tǒng)實(shí)驗(yàn)室（LIDS）研究生、論文主要作者Dong-Ki Kim表示：“當(dāng)AI代理合作或競(jìng)爭(zhēng)時(shí)，最重要的是它們的行為何時(shí)會(huì)在未來(lái)的某個(gè)時(shí)刻相遇。沿途有很多短暫的行為，從長(zhǎng)遠(yuǎn)來(lái)看并不重要，但相遇非常重要。我們現(xiàn)在有一種數(shù)學(xué)方法可預(yù)測(cè)相遇?！?/p>

更多代理，更多問題

返回第一電動(dòng)網(wǎng)首頁(yè) >