【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)的走過緩坡。

　　通過觀察機(jī)器人的學(xué)習(xí)視頻，我們可以看到學(xué)習(xí)對機(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是由積極的回報(bào)來強(qiáng)化的。機(jī)器和軟件代理使用強(qiáng)化學(xué)習(xí)算法，通過以環(huán)境的反饋為基礎(chǔ)來確定理想行為，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，以便長期獲得最大的回報(bào)。一個(gè)通過強(qiáng)化學(xué)習(xí)來學(xué)會行走的機(jī)器人將通過嘗試不同的方法實(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)。大步伐會讓機(jī)器人摔倒，通過調(diào)整步距來判斷這是否是保持直立的原因，通過不同的變化持續(xù)學(xué)習(xí)，最終能夠行走。以上說明，獎勵是保持直立，懲罰就是摔倒，機(jī)器人基于對其動作的反饋信息進(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)品開始依賴這種技術(shù)。公司開始使用強(qiáng)化學(xué)習(xí)解決連續(xù)性決策問題，同時(shí)強(qiáng)化學(xué)習(xí)支持專家決策或自動化決策處理。

　　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，但過多的訓(xùn)練可能會對四足機(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，需要手動將機(jī)器人放回原點(diǎn)。這個(gè)過程有些繁瑣。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”。