問耕 發自 凹非寺
量子位 出品 | 公眾號 QbitAI

來自德國弗萊堡大學的研究團隊，最近有了一個好玩的發現。

AI又在打遊戲時掌握了新技能。

“向死而生”

這個遊戲是雅達利平臺上的經典遊戲Qbert：一個偽3D遊戲，玩家需要控制角色（橙色章魚）在立方體金字塔中跳躍，每成功一次，立方體就會變色。全部變色之後，就會進入下一關。而在這個過程中，需要躲避開障礙物和敵人。

研究團隊開發的AI智慧體（agent）玩這個遊戲時，開始還是普通玩法，按照規則累積積分。然後，智慧體突然對過關失去興趣。

相反，智慧體開始“釣魚”：站住不動，吸引敵人（紫色小球）來到身邊，然後智慧體操縱角色跳到敵人頭上。這是一種殺敵的方法，也是自殺的方法。但是主動殺敵之後，能夠產生足夠多的分數來獲得額外的生命獎勵。

於是智慧體開始一遍遍的重複這種向死而生的手法，如上圖所示。

不止如此。

AI智慧體還發現了一個Bug。在完成第一關之後，智慧體操縱角色從一個立方體跳到另一個立方體，這似乎是一種隨機的跳躍。但由於某種人類不瞭解的原因，遊戲沒有進入下一關，整個立方體金字塔開始閃爍。

然後智慧體平白無故開始獲得大量積分。如下圖所示。

同樣有意思的是，智慧體也不是每次都能利用好這個bug。嗯，不是每次都能成。

當然還有其他的好玩的事兒，暫時按下不表。

不虛強化學習

當然，搞研究不是為了好玩。

弗萊堡大學的這個研究，主要關注的是進化策略（ES）。而且是一種非常基本的進化策略演算法，沒用映象取樣，沒有衰減引數，沒有任何高階優化。

在研究實驗中，基於OpenAI Gym評估了八個雅達利遊戲中的效能表現，這些遊戲難度等級不同，簡單的如Pong（乒乓）和Breakout（打磚塊），複雜的如Qbert、Alien。此前，強化學習也都是在這些遊戲上取得驚人的進展。

這個基於ES演算法的AI，網路結構與原始DQN相同。變化之處，是把啟用函式從ReLU變成了ELU，並增加了批量標準化層。

詳細的研究過程，可以參考如下論文：Back to Basics: Benchmarking Canonical Evolution Strategies for Playing Atari

https://arxiv.org/abs/1802.08842

總之，研究團隊得出結論：即便是非常基礎的規範ES演算法，也能實現和強化學習相同甚至更好的效能。

而且他們還定性地證明了，ES演算法與傳統的強化學習演算法相比，也有非常不同的效能特徵。在某些遊戲中，ES演算法能更好的學會探索環境，並能更好的執行任務。

當然在另外的一些遊戲中，ES演算法有可能陷入次優區域性最小值。

研究團隊表示，如果能把ES演算法與傳統強化學習演算法結合，可能會出現強強聯手的局面，並推動現有人工智慧相關技術的新進展。

基於ES演算法搭建的AI智慧體，在上述幾個遊戲中的表現，可以在下面這個視訊中感受一下，除了開頭提到的一些案例，期間也有其他有趣的遊戲策略出現。

附一個劇透：0:00 Alien，0:29 BeamRider，2:30 Breakout，3:15 Enduro，4:44 Pong，5:38，Qbert exploit，6:12 Qbert bug，6:47 Seaquest，8:36 SpaceInvaders。

曾被LeCun硬懟

這次弗萊堡大學的研究，基於OpenAI此前釋出的ES演算法。當然，弗萊堡大學公佈的成績表明，他們的AI玩遊戲更勝一籌。並且用了一張表進行了詳細的對比。

他們把相關程式碼也公佈在了GitHub上，地址如下：https://github.com/PatrykChrabaszcz/Canonical_ES_Atari

進化策略（ES）是一種已經發展了數十年的優化技術，去年OpenAI發表論文Evolution Strategies as a Scalable Alternative to Reinforcement Learning中指出，ES演算法可以與強化學習方法媲美，耗時更少而且程式碼簡單。

對這個理論感興趣的同學，閱讀論文請前往：https://arxiv.org/abs/1703.03864，以及GitHub地址在此：https://github.com/openai/evolution-strategies-starter 。

不過，當時這個理論遭遇Yann LeCun的正面硬剛。

大意是說：

1、基於梯度的優化，遠比黑箱優化更有效率

2、黑箱優化應該是最後的辦法，無法基於梯度優化時才用

3、對於知道強化學習和黑箱優化的人來說，OpenAI這篇東西沒什麼用

不知道你們怎麼看。

今天，就醬吧~

— 完 —

加入社群

量子位AI社群13群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot5入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微訊號qbitbot5，並務必備註相應群的關鍵詞~通過稽核後我們將邀請進群。（專業群稽核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態