【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報(bào)告 | 人工智能行業(yè)研究報(bào)告】

　   2018年12月，來(lái)自谷歌大腦的科學(xué)家們進(jìn)行了人工智能系統(tǒng)研發(fā)。此次研發(fā)能夠讓機(jī)器人學(xué)會(huì)自行走路。

　　我們可以在研究人員視頻資料中看到，四足機(jī)器人在走一個(gè)緩坡。在視頻開(kāi)頭的四足機(jī)器人Minitaur走路還不夠穩(wěn)定，有時(shí)候在搖晃，有時(shí)候停止不前，整個(gè)過(guò)程都走的十分緩慢。而在四足機(jī)器人進(jìn)行Minitaur學(xué)習(xí)的18分鐘時(shí)，四足機(jī)器人可以進(jìn)行穩(wěn)步前進(jìn)了，隨著后期的學(xué)習(xí)時(shí)間增加，機(jī)器人走路的穩(wěn)定性也在不斷提高，時(shí)間增加到快兩個(gè)小時(shí)時(shí)，機(jī)器人已經(jīng)能完成平穩(wěn)的走過(guò)緩坡。

　　通過(guò)觀察機(jī)器人的學(xué)習(xí)視頻，我們可以看到學(xué)習(xí)對(duì)機(jī)器人完成自我行走的作用。同時(shí)，這項(xiàng)人工智能算大能夠教會(huì)機(jī)器人走熟悉的地形。

　　強(qiáng)化學(xué)習(xí)的核心是一個(gè)概念，即最佳的行為或行動(dòng)是由積極的回報(bào)來(lái)強(qiáng)化的。機(jī)器和軟件代理使用強(qiáng)化學(xué)習(xí)算法，通過(guò)以環(huán)境的反饋為基礎(chǔ)來(lái)確定理想行為，這是機(jī)器學(xué)習(xí)的一種形式，也是人工智能的一個(gè)分支。

　　根據(jù)問(wèn)題的復(fù)雜性，強(qiáng)化學(xué)習(xí)算法可以在必要時(shí)隨時(shí)間保持適應(yīng)環(huán)境，以便長(zhǎng)期獲得最大的回報(bào)。一個(gè)通過(guò)強(qiáng)化學(xué)習(xí)來(lái)學(xué)會(huì)行走的機(jī)器人將通過(guò)嘗試不同的方法實(shí)現(xiàn)目標(biāo)，獲得有關(guān)這些方式成功的反饋，然后進(jìn)行調(diào)整直到達(dá)到行走的目標(biāo)。大步伐會(huì)讓機(jī)器人摔倒，通過(guò)調(diào)整步距來(lái)判斷這是否是保持直立的原因，通過(guò)不同的變化持續(xù)學(xué)習(xí)，最終能夠行走。以上說(shuō)明，獎(jiǎng)勵(lì)是保持直立，懲罰就是摔倒，機(jī)器人基于對(duì)其動(dòng)作的反饋信息進(jìn)而優(yōu)化并強(qiáng)化。強(qiáng)化學(xué)習(xí)需要大量的數(shù)據(jù)，這就是為什么這項(xiàng)技術(shù)的第一個(gè)應(yīng)用領(lǐng)域是模擬數(shù)據(jù)，如游戲和機(jī)器人。

　　盡管處于強(qiáng)化學(xué)習(xí)的早期階段，但仍有一些應(yīng)用和產(chǎn)品開(kāi)始依賴這種技術(shù)。公司開(kāi)始使用強(qiáng)化學(xué)習(xí)解決連續(xù)性決策問(wèn)題，同時(shí)強(qiáng)化學(xué)習(xí)支持專家決策或自動(dòng)化決策處理。

　　但強(qiáng)化學(xué)習(xí)也有其局限性。它需要大量數(shù)據(jù)，在某些情況下需要數(shù)萬(wàn)個(gè)樣本才能獲得良好的結(jié)果。這就需要四足機(jī)器人Minitaur像阿爾法狗那樣進(jìn)行多次訓(xùn)練，但過(guò)多的訓(xùn)練可能會(huì)對(duì)四足機(jī)器人造成損壞。

　　但是此次的訓(xùn)練也存在不足，即機(jī)器人在完成一次行走路徑后，需要手動(dòng)將機(jī)器人放回原點(diǎn)。這個(gè)過(guò)程有些繁瑣。但是只需兩個(gè)小時(shí)完成機(jī)器人的學(xué)習(xí)，也被稱贊為“AI是個(gè)好老師”。