DeepMind又造“反派”了！这些反派是美国人工智能技术实验室打造的“智能特工”，但只能在游戏中才能看到。此前4:1击败世界冠军李世石的AlphaGo，就是在这个实验室训练出来的智能体。但你可能不知道的是，DeepMind还培养出了“国际象棋高手”、“足球高手”、“电竞高手”，甚至还提出了“人工生命”的概念。最近的一批智能体，其实可以直接绕过数据填充，在开放的任务环境中自我进化。之前的阿尔法狗和阿尔法星再厉害，也只能在不同的游戏中释放招式，超越自己的游戏范围，立刻就“够用”了。但这群反派却能在不同的游戏中轻松达成目标，展现出强大的面面俱到的能力。难道说人工智能技术要大步向前迈出一个大范围的“顽疾”？在一个战斗要塞金字塔状的目标中，两个不同颜色的反派能力值都非常高。它们也没有弹跳作用，逐渐在“脾气”中抛出物体。混乱中，其中一块木板被“扔”了出去，变成了楼梯，一直往前走，任务完成！多次实验发现，这种反派可以重现这种方法。难道说这群智慧体是有记忆的？值得一提的是，反派还学会了“相对速度”——我说不，你出来——靠木板直接拉出目标！甚至为了赢得比赛，几个反派都学会了战斗和配合，队伍实力大增。这种在虚拟游戏中自我进化的智能体，只需人工创造任务环境，设计大量工作目标，利用先进的深度学习方法一步步通关，最终成为“十八般武艺”代理人。没有模型，没有经验，这种智能体是如何进化的？零样本教学方式是否意味着这类智能体已经具备了重要的“自学理念”？社会达尔文主义训练场的对比之前已经做过AI足球场，这些智能体的训练场更像是一场“社会发展”的游戏，里面有无数的游戏室，每个卧室里的游戏都承载着根据比赛、稳定性、耐磨性、探索难度系数四个等级的不同而分出。不管是什么样的任务，这些智能体都只能从最简单的开始，一步步从更复杂的游戏入手，这也让整个游戏更像是一个虚拟社会。这种不用大数据训练的智能体，每玩一次游戏就发育一次。在与各种条件的相互作用和“奖赏”中，发展成为更通用的智慧体，更类似于人类的“生命”。”。让一个agent自己进化的关键是设计好原有的智能和进化条件。一开始比较简单，所有复杂的结构都进化出来了。就像一个婴儿不能做一样的事情给DeepMind表示，每个AI智能体在4000个游戏房间中进行了大约70万场独特的游戏，并在340万个任务中进行了2000亿次训练。1亿次pass相当于大约30分钟的练习时间。按照这种训练方式，可以在41天内训练出一组“成年”agent。想想DeepMind的说法“单个AIagent可以开发智能实现多个目标，而不仅仅是一个目标。”AI代理技术公司Pathmind的CEOChrisNicholson也表示，“他所学的招式可以举一反三。例如，智能体学习爬行和控制物体，可以执行敲锤子或叠被子等任务。DeepMind已经对AI代理进行了编程，让它们在这个世界上设立既定目标，这些AI代理已经学会了如何一一掌握它们。”不过，佛罗里达大学电子信息科学副教授SathyanarayaRaghavachary表示，这些智能体不能被理解为“生命”，尤其是如果智能体具有物理感觉、时间感知以及理解目标的诸多后果。“连我们人类都无法完全意识到自己的身体，更不用说这些人工智能技术了。”他说，人的大脑需要一个活跃的身体，人的大脑必须放在一个合适的身体概念中，并在区域部分进化。如果AI代理能够理解他们的任务，为什么需要2000亿步的模拟才能达到最佳效果。总而言之，这个虚拟机训练出来的AIagent，只是和平时“一模一样”而已。从理论到实践还有很长的路要走。小型人工智能技术是“复制人类行为的要素”，在计算机系统中执行某些任务。比如完成图片的分类，定位照片中的物体，定义物体之间的边界等等。这些系统专用于执行特定任务，不具备解决问题??的一般能力。相比之下，Deepmind使用的“通用人工智能”有时被称为人类级别的人工智能，因为它可以理解上下文、意义和社会线索，甚至有人指出它可能完全超越人类智能。.但是，就像行为主义和认知主义的冲突一样，agent是否有解决问题的能力不能简单的考虑统计分析的结果。擅长“事后解释”任何观察到的行为，在实验室之外，无法“预测”会发生什么行为。
