返回列表 发帖

马库斯再谈AlphaGo Zero:不是从零开始

2018年01月20日 16:28 体育综合


纽约大学心理学和神经科学教授马库斯



  文章来源:量子位公众号

  纽约大学心理学和神经科学教授马库斯(Gary Marcus)坚信AlphaZero仍依赖于一些人类知识,也曾在AlphaZero解读现场这样diss哈萨比斯。

  可能觉得说得不够,近日,马库斯在arXiv发布了本月第二篇长文Innateness, AlphaZero, and Artificial Intelligence,继续论证AlphaZero“可以在没有人类指导的情况下训练到超过人类水平”的说法被夸大了。

  “当代人工智能论文(通常)用了一个‘相当不错的’具体结果,对更广泛的主题做出了绝对普遍和离谱的断言。”几个小时前,他在推特引用了这句话,说明自己怒怼的原因。


  在文章中,马库斯将AlphaGo、AlphaGo Zero、AlphaZero的归结成一种“神奇的AI工程”,代号“AlphaStar”。

  它是一种深层结构的混合,它不单利用深度学习人,也依赖于像树搜索这样的传统符号技巧(symbolic technique)。

  这到底是种怎样的神奇工程?马库斯从DeepMind如何构建Alpha家族的架构开始讲起,量子位将重点内容编译整理如下。


  △ 马库斯

  从零开始?

  DeepMind在论文中说“一种纯强化学习方法是可行的,即使在最具挑战性的领域,它也能训练到超过人类的水平,并且无需人类的案例和指导。除了基本规则外,没有任何领域的基础知识。”

  我不赞同。

  他们系统中的很多方面延续了在之前在围棋程序上积累的研究,比如构建游戏程序中常用的蒙特卡洛树搜索。这种技术可以用来评估动作和对策,在树状结构上快速得到测试结果。

  问题来了,蒙特卡洛树这种结构不是通过强化学习从数据中学习的。相反,它在DeepMind的程序中是与生俱来的,根深蒂固地存在于每个迭代的AlphaStar。

  可以发现,DeepMind给出的卷积结构很精确,有很多下围棋的精确参数在里面,这不是通过纯碎的强化学习学到的。并且,固有算法和知识的整合的取样机制不在AlphaZero的实验范围内,这样可能会导致模型效果变差。

  与其说AlphaGo是从白板开始学习,不如说是它在构建的开始就站在了巨人的肩膀上。

  完美信息博弈之外

  无论是围棋、国际象棋还是将棋,都属于完美信息博弈。在这些游戏中,每个玩家可以在任何时候看到已经发生或正在发生的游戏局势。正因如此,围棋、国际象棋和将棋问题特别适合用大数据的方法“蛮力破解”。

  问题来了,同样的机制能解决更广泛的问题吗?

  AlphaGo Zero的解释中并没有说明应用范围,结果是否在其他挑战中通用也没有被提及。事实是,即使在其他棋类游戏中,这套方法可能并不适用。

  围棋程序需要的是强模式识别和树搜索技能,但其他游戏需要的能力可能不是这些。文明系列的游戏需要在不确定的交通网络中做出决策,游戏强权外交需要形成联盟,字谜游戏需要语言技能等等。


  还有一个例子,Moravcik等人研究的AI DeepStack能在德扑中击败人类对手,就需要一套相关但不同的先天结构,这无疑和完美信息的单机Atari游戏需要的结构不同。DeepMind想同时攻克这两种游戏,那他需要的是一套广泛的先天机制,而不是仅适用于单一游戏的系统。

  如何让这套先天机制适用于完美信息博弈以外的游戏呢?我们接着往下看。

  先天机制(Innate machinery)

  仅仅有强化学习和蒙特卡洛树搜索这两种先天机制还不够,那么,如果要达到通用人工智能,我们需要怎样的结构呢?

  在去年10月5号和LeCun的论证中,我有机会总结出一套计算原语组合:

物体的表示

架构化和代数表示

基于变量的操作

type-token区别

表示集合、位置、路径、轨迹、障碍和持久性的能力

表示物体的可视性的方法

时空邻近(Spatiotemporal contiguity)

因果关系

平移不变性

分析成本效益的能力

  具备了上述的基础列表中的原语,可能自然就能拥有其他技能了。比如基于博弈的树搜索可能是AlphaStar与生俱来的,但是人们可能学习如何做出分析,即使精确度差了些,但至少可以把时间、因果关系和意图性结合在一起,具备成本效益分析的能力。

  但上面列表仅仅是个初版,它应该有多长还是个未知数。这让我想起1994年Pinker提出的一组的先天能力,里面甚至包括了恐惧、自我概念和性吸引力。这些都有些经验主义,但每个特征都被认知和发展心理学、动物行为学和神经科学所支撑。

  更重要的是,就目前的目的而言,这个领域确实存在一些可能的先天机制值得AI研究者去思考,简单假设在默认情况下,包含很少或几乎不包含先天机制就让人满意了,往好了说这叫保守。往坏了说,不经过思考就承诺从头开始重新学习可能也非常愚蠢,这是将每个独立的AI系统置于需要重新概括数百万年来进化的初始位置。

  最后,附论文链接:
https://arxiv.org/abs/1801.05667

  — 完 —
附件: 您需要登录才可以下载或查看附件。没有帐号?注册

返回列表