智器材（公眾號：zhidxcom）

文 | Lina

智器材5月17日新聞，本日，OpenAI宣布了一種新型算法：“一次性模擬進修(one-shot imitation learning)”，當人類在VR中演示一次某個動作后，機器通過進修這一動作就可以實行出雷同的結果。

OpenAI是Elon Musk于2015年12月宣布成立的非紅利AI項目，科研人員會將大部分研究成果開源共享；次要關注增強進修和無監督進修——谷歌此前名聲大噪的圍棋順序AlphaGo用的就是增強進修；而無監督進修必要機器處理大量不標記的數據，自己找到區分沒有同數據子集、集群、或者相似圖像的舉措，有點像嬰兒進修世界的方式，一向被視作人工智能的真正潛力釋放點。

卷積神經收集之父Yann LeCun有一個經典比喻：若是人工智能是一塊蛋糕，增強進修（Reinforcement Learning）就是蛋糕上的一粒櫻桃，而監督進修（Supervised Learning）是蛋糕外的一層糖霜，但無監督進修（Unsupervised Learning）才是蛋糕本身。今朝我們只知道若何制作糖霜和櫻桃，卻沒有知道若何做蛋糕。

一次性模擬進修

OpenAI宣布的這種新型算法“一次性模擬進修(one-shot imitation learning)”指的是，當人類在VR中演示一次某個動作后，比如將桌面藍色的小盒子疊放在白色小盒子上這個動作，機器通過進修這一動作就可以實行出雷同的結果，并且沒有論桌面盒子擺放的程序若何，機器都可以準確實行。

這套進修體系由兩個神經收集組成：一個視覺收集(vision network)和一個模仿收集(imitation network)。

視覺收集(vision network)獲得的圖像來自機器人的攝像機，此前，這個視覺收集經過數十萬弛模擬圖像的練習，每弛都具有沒有同紋理、光影效果等（可是從未使用真實圖像舉行練習）；

模擬收集(imitation network)則必須生成一個與VR演示動作一致的實行步驟，并且推斷出該義務的意圖，使得在初始設定變更時（如盒子的擺放程序調亂時）依舊可以找到藍色的盒子并把它疊在紅盒子上。

今朝，學術界與產業界都在探求使用各種練習機器人的伎倆，比如英偉達CEO黃仁勛在上周的GTC大會上也宣布了一款名為ISAAC的增強進修世界模擬器，創造出一個完全虛擬的、博為練習機器人而挨造的世界。

這是一個遵循物理法則但沒有遵循時間法則的世界，在現實生存中，你想要練習一臺機器學會挨冰球，你要將這個冰球放在機器前面，一遍一遍地教會它；而在虛擬世界里，機器可以在一秒內重復眾多次這樣的動作，而且你還可以同時練習一堆機器進修挨球，然后找到內里最聰慧的一個，將它的“大腦”順序復制出來，創建一堆同樣的機器再繼續練習篩選。（多人VR交互、30億刀的顯卡、秘密ISAAC白科技……干貨滿滿的GTC 2017一文看盡）