具有好奇心的機器人  

OFweek機器人網(wǎng)訊：在一場關(guān)于人工智能的轉(zhuǎn)折中，計算機科學家對機器進行編程，使其變得具有好奇心——能自己探索周圍環(huán)境并且為了學習而學習。這種新方法可使機器人比現(xiàn)在學習得更快。有朝一日，它們甚至可能在形成假設(shè)和推動已知科學向前發(fā)展方面超越人類科學家。

“發(fā)展好奇心是智能的核心問題。”在美國布朗大學掌管智能機器人實驗室的計算機科學家George Konidaris介紹說，“當你不確定你的機器人將來要做什么時，使其具有好奇心將會非常有用。”

多年以來，科學家一直在開發(fā)針對好奇心的算法，但復制人類的求知欲是個難題。比如，大多數(shù)方法不能評估智能機器人在看見某個事物前預(yù)測其是否有趣方面存在的差距。（人類有時能通過封面判斷一本書是否有趣）

目前在英國倫敦谷歌深度思維公司就職的計算機科學家Todd Hester希望做得更好。“我在尋找使計算機更加聰明地學習并且像人類一樣進行探索的方法。”Hester表示，“不是探索所有事情，也不是隨意進行探索，而是嘗試著更加聰明地做一些事情。”

為此，Hester和得克薩斯大學計算機科學家Peter Stone開發(fā)了一種名為TEXPLORE-VENIR、依賴于強化學習技術(shù)的新算法。在強化學習中，程序會嘗試一些事情。如果一個舉動使其離某個最終目標（比如迷宮的盡頭）更近一步，它會收到一個小小的獎勵并且更有可能在將來再次嘗試這一操作。深度思維公司利用強化學習，使程序通過隨機試驗掌握雅達利游戲和圍棋游戲的玩法。不過，和其他具有好奇心的算法一樣，TEXPLORE-VENIR同樣設(shè)置了一個內(nèi)在目標。如果它理解了一些新事物，就會獎勵自己，即便這些知識并未使其離最終目標更近一步。

隨著TEXPLORE-VENIR不斷學習并且構(gòu)建起關(guān)于世界的模型，它會因發(fā)現(xiàn)了和此前見到的事物不一樣的信息而獎勵自己。比如，在一幅地圖上發(fā)現(xiàn)遙遠的地方，或者在烹調(diào)用的程序上發(fā)現(xiàn)具有異國情調(diào)的食譜。“它們是完全不同的學習和探索類型。”Konidaris表示，“對它們進行平衡真的很重要。我喜歡這篇文章的地方在于它同時做到了兩點。”

Hester和Stone在兩個場景中測試了他們的方法。首先是一個含有一圈4個房間的虛擬迷宮，房間則由鎖著的門連接起來。機器人（僅是一個計算機程序）不得不找到鑰匙，將其撿起來，然后利用它打開門上的鎖。每通過一扇門，機器人會獲得10分，并且擁有3000步來獲得更高的得分。如果研究人員先讓機器人僅在TEXPLORE-VENIR的指導下摸索1000步，它在3000步的測試階段會平均獲得約55分。如果機器人利用其他開發(fā)好奇心的算法進行此類探索，它在測試階段的得分從0到35分不等，除了利用一種被稱為R-Max的算法。后者也能讓機器人獲得約55分。在另一個不同的設(shè)定中，機器人不得不同時探索和穿過門。TEXPLORE-VENIR獲得了約70分，R-Max獲得了約35分，其他算法獲得的分數(shù)則不到5分。研究人員在6月出版的《人工智能》雜志上報告了這一結(jié)果。