紐約大學(xué)心理學(xué)與認(rèn)知科學(xué)教授馬庫斯最近和人工智能企業(yè)“深層思維”（DeepMind）杠上了。繼前不久在推特（Twitter）上質(zhì)疑美國通用人工智能研究組織OpenAI的解魔方機械手之后，近日他又對“深層思維”新推出的《星際爭霸2》智能體“阿爾法星”（AlphaStar）進化版提出六大質(zhì)疑。此次，他的質(zhì)疑點并不是游戲表現(xiàn)本身，而是指向了更高的層面：未來通用智能研究的意義。
近年最酷成果都來自深度強化學(xué)習(xí)
此次OpenAI推出的解魔方機器手，并不是像以往一樣使用專業(yè)算法來解決某一個特定任務(wù)（如果換一個任務(wù)，還需要重新編程），而是通過某種學(xué)習(xí)方法，對機器人進行訓(xùn)練，讓機械手具備類人手的解決問題的能力。但馬庫斯卻認(rèn)為這個成果描述有誤導(dǎo)，更恰當(dāng)?shù)拿枋鰬?yīng)該是“用強化學(xué)習(xí)操縱魔方”或者是“用靈巧的機器人手操縱物體的進展”。
“馬庫斯過于強調(diào)‘用強化學(xué)習(xí)操縱魔方’有點挑剔字眼，其實OpenAI魔方機器手和‘深層思維’發(fā)布的《星際爭霸2》智能體‘阿爾法星’進化版都使用了深度強化學(xué)習(xí)技術(shù)。深度強化學(xué)習(xí)是目前公認(rèn)的在現(xiàn)有技術(shù)中最有可能實現(xiàn)通用人工智能的技術(shù)。”天津大學(xué)智能與計算學(xué)部軟件學(xué)院副教授郝建業(yè)解釋說，目前機器學(xué)習(xí)有三大分支，監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)，深度學(xué)習(xí)屬于監(jiān)督學(xué)習(xí)里目前最主流的一類技術(shù)。深度強化學(xué)習(xí)是深度學(xué)習(xí)與強化學(xué)習(xí)的融合，是將深度神經(jīng)網(wǎng)絡(luò)整合到強化學(xué)習(xí)框架當(dāng)中。
“近幾年，深度強化學(xué)習(xí)發(fā)展迅猛，它在處理復(fù)雜、多方面和決策問題方面顯示出巨大的潛力。目前深度強化學(xué)習(xí)技術(shù)主要應(yīng)用在一些游戲、比賽中。”郝建業(yè)介紹，2016年，谷歌的“阿爾法圍棋”（AlphaGo）擊敗了世界頂級圍棋選手李世石、柯潔，轟動一時，成為人工智能領(lǐng)域的一個里程碑。“阿爾法圍棋”的核心就在于使用了深度強化學(xué)習(xí)算法，使得計算機能夠通過自對弈的方式不斷提升棋力。此后又有臉書（Facebook）在DOTA2游戲中打敗了頂級職業(yè)選手；CMU團隊研發(fā)的德州撲克AI冷撲大師輕松擊敗頂級玩家。
此外，“深層思維”還運用深度強化學(xué)習(xí)優(yōu)化了數(shù)據(jù)中心的耗能；谷歌則利用深度強化學(xué)習(xí)完成深度神經(jīng)網(wǎng)絡(luò)的自動架構(gòu)搜索，提出了AutoML服務(wù)，借此將機器學(xué)習(xí)作為一種服務(wù)推廣到千家萬戶。在我國，對于深度強化學(xué)習(xí)技術(shù)的應(yīng)用也不少，阿里、騰訊、百度等國內(nèi)團隊將深度強化學(xué)習(xí)應(yīng)用到搜索、推薦、營銷、派單和路徑規(guī)劃等實際問題的決策中。
最有可能實現(xiàn)通用人工智能的技術(shù)
人工智能發(fā)展到現(xiàn)在的高度，技術(shù)上較大的功臣應(yīng)該屬于深度學(xué)習(xí)算法。深度學(xué)習(xí)利用多層神經(jīng)網(wǎng)絡(luò)，從海量的數(shù)據(jù)中學(xué)習(xí)，從而實現(xiàn)對未來的預(yù)測，并使人工智能系統(tǒng)越來越智能。目前我們應(yīng)用的安防監(jiān)控、自動駕駛、語音識別、百度地圖等都是深度學(xué)習(xí)技術(shù)在圖像視覺、語音識別、自然語言理解等領(lǐng)域的應(yīng)用。
而強化學(xué)習(xí)也是目前機器學(xué)習(xí)領(lǐng)域的熱門技術(shù)，與基于已知標(biāo)簽訓(xùn)練模型的監(jiān)督學(xué)習(xí)不同，強化學(xué)習(xí)能夠在沒有計算機的明確指示下，像人一樣實現(xiàn)自主學(xué)習(xí)。當(dāng)達到一定的學(xué)習(xí)量之后，強化學(xué)習(xí)系統(tǒng)就能夠預(yù)測出正確的結(jié)果。“強化學(xué)習(xí)的基本思想是，學(xué)習(xí)在不同環(huán)境和不同狀態(tài)下，哪種行為能夠使得預(yù)期利益最大化。”郝建業(yè)介紹，新版“阿爾法星”智能體就采用了強化學(xué)習(xí)的自對戰(zhàn)技術(shù)，其學(xué)習(xí)過程不需要數(shù)據(jù)標(biāo)注，而是由獎勵函數(shù)進行主導(dǎo)。智能體獲得獎勵得分或贏得一場比賽，它會得到積極的反饋，智能體就會根據(jù)對戰(zhàn)的成績好壞，來調(diào)整行為動作。這猶如嬰兒學(xué)走路，會根據(jù)產(chǎn)生的結(jié)果好壞來調(diào)整行為動作。
目前對通用人工智能的定義主要有兩個特點，一是端對端的學(xué)習(xí)，二是任務(wù)自適應(yīng)，?無需人類參與調(diào)控而勝任不同的任務(wù)。深度強化學(xué)習(xí)可以將深度學(xué)習(xí)的感知能力和強化學(xué)習(xí)的決策能力相結(jié)合，直接根據(jù)輸入的信息進行控制，是一種更接近人類思維方式的人工智能技術(shù)。在與世界的正常互動過程中，強化學(xué)習(xí)會通過試錯法利用獎勵來學(xué)習(xí)，這跟自然學(xué)習(xí)過程非常相似。比如單手解魔方機器手，它可能需要利用深度學(xué)習(xí)的識圖技術(shù)等看到魔方，而后還需強化學(xué)習(xí)的模型讓機器手在不斷的試錯過程中自主學(xué)習(xí)。在強化學(xué)習(xí)中，可以使用較少的訓(xùn)練信息，這樣做的優(yōu)勢是信息更充足，而且不受監(jiān)督者技能限制。深度強化學(xué)習(xí)朝構(gòu)建對世界擁有更高級理解的自主系統(tǒng)又邁出了一步，這也是為什么說深度強化學(xué)習(xí)是目前公認(rèn)的在現(xiàn)有技術(shù)中最有可能實現(xiàn)通用人工智能的技術(shù)。
未來通用人工智能還需依托腦科學(xué)發(fā)展
“雖然說深度強化學(xué)習(xí)技術(shù)最有可能實現(xiàn)通用人工智能，但是并不能說就一定能夠?qū)崿F(xiàn)，我們離真正的通用人工智能還是有很大差距的。”郝建業(yè)表示，深度學(xué)習(xí)和強化學(xué)習(xí)結(jié)合的時候，對現(xiàn)實情況的枚舉就變成首先需要對現(xiàn)實情況進行模式識別，然后進行有限模式的枚舉，從而減少計算的壓力，但是所需的數(shù)據(jù)將比其他機器學(xué)習(xí)算法要大得多。如果將場景擴展到多智能體的深度強化學(xué)習(xí)，那么需要的數(shù)據(jù)和算力是呈指數(shù)級上升的，目前還沒有平臺能夠提供強化學(xué)習(xí)所需要的海量數(shù)據(jù)，無法窮舉現(xiàn)實中可能遇到的種種復(fù)雜情況。這種數(shù)據(jù)需求在很多現(xiàn)實領(lǐng)域中都是無法實現(xiàn)的。
舉例說明，比如強化學(xué)習(xí)需要大量的試錯，如果把單手解魔方機器手應(yīng)用到做飯的現(xiàn)實場景，那么它可能會把食材弄一地，也可能把一整袋鹽倒到鍋中，還有可能引起火災(zāi)。因此通過試錯學(xué)習(xí)的模式，在現(xiàn)實場景中是無法實現(xiàn)的。
此外，深度學(xué)習(xí)和強化學(xué)習(xí)都是機器學(xué)習(xí)領(lǐng)域中最難調(diào)試成功的，它的成功案例其實不算很多，但是一旦推出，都會引起轟動。并且，這是一個連隨機種子都會大大影響學(xué)習(xí)效果的模型框架。同樣的模型，訓(xùn)練10次可能7次是失敗的，3次是成功的。還有一點，深度強化學(xué)習(xí)極其容易過擬合到智能體當(dāng)前交互的環(huán)境中，所以環(huán)境稍有改變，之前看起來表現(xiàn)出色的智能體，很可能就會犯低級錯誤。
“人類認(rèn)識事物的時候，一般都是通過數(shù)據(jù)進行因果推理和判斷，才得出相應(yīng)的解決方案。而目前的人工智能系統(tǒng)卻并不能實現(xiàn)這種因果推導(dǎo)。”郝建業(yè)表示，可能未來通用人工智能的發(fā)展，還需要依托于腦科學(xué)的發(fā)展，目前我們對人腦的認(rèn)知還處于非常初級的階段。大腦對事物的認(rèn)知過程、解決問題的過程以及思考的能力等機制還都不清楚，因此，目前人工智能的發(fā)展，離這種真正能模擬人類智能思考的通用人工智能還有很長的路要走。