DeepMind的AI再次打敗人類玩家，“攻下”57款雅達利游戲
Agent57為我們構建更加強大的AI決策模型奠定了基礎。
AI打游戲會比普通人優秀？DeepMind給了肯定的答案。近日，DeepMind宣布它們的智能體Agent57首次在所有57款雅達利游戲上超越人類玩家。
近年來，DeepMind一直在研究提高智能體在游戲環境下的智能性，通常情況下，智能體在游戲中能夠應對的環境越復雜，它在真實環境中的適應能力也會越強。
此次Agent57挑戰的街機學習環境（Arcade Learning Environment，ALE）包括57款游戲，為智能體的強化學習提供了復雜的挑戰。
而之所以會選擇雅達利游戲作為訓練的數據集，DeepMind表示雅達利游戲足夠多樣化，可以評估智能體的泛化性能，其次它可以模擬在真實環境中可能遇到的情況，并且雅達利游戲是由獨立的組織構建，可以避免實驗偏見。
據悉，Agent57在多臺計算機上并行執行，并啟用強化學習算法（Reinforcement learning，RL）驅動智能體采取行動，使得獎勵的效果最大化。此前，強化學習在游戲領域就取得不少進展，比如OpenAI的OpenAI Five和DeepMind的AlphaStar RL智能體分別打敗了99．4％的Dota 2玩家和99．8％的星際2玩家。
圖 ｜ Agent57的框架
雅達利游戲中的Montezuma、Revenge和Pitfall都很難，AI必須先嘗試多種不同的策略，才能找到可行的方法。而在Solaris和Skiing游戲中，需要一段時間才能顯示決策結果，這意味著AI必須在相當長的時間內收集盡可能多的信息。
Agent57通過讓不同的計算機研究游戲的各個方面來克服了這些難題，然后將收集到的信息反饋給一個控制器，由控制器對所有這些因素進行分析以制定出最佳策略。
DeepMind將Agent57與當前最先進的算法MuZero、R2D2和NGU做了比較，Agent57顯示出了更高的平均性能（100）。
研究團隊表示，“這并不意味著雅達利游戲研究的結束，我們不僅要關注數據效率，也需要關注總體表現，未來的主要改進可能會是Agent57在探索、規劃和信度分配上�！北热鐪p少AI運行的算力，在集合中的一些較簡單的游戲中變得更好。
Agent57在雅達利游戲中取得超越人類玩家的成績，為我們構建更加強大的AI決策模型奠定了基礎：AI不僅可以自動完成重復性的任務，也可以自動推理環境。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
11月7日立即參評>> 【評選】維科杯·OFweek 2025（第十屆）物聯網行業年度評選
-
11月20日立即報名>> 【免費下載】RISC-V芯片發展現狀與測試挑戰-白皮書
-
即日-11.25立即下載>>> 費斯托白皮書《柔性：汽車生產未來的關鍵》
-
11月27日立即報名>> 【工程師系列】汽車電子技術在線大會
-
11月28日立即下載>> 【白皮書】精準洞察 無線掌控——283FC智能自檢萬用表
-
12月18日立即報名>> 【線下會議】OFweek 2025（第十屆）物聯網產業大會
