人類終于創(chuàng)造了惰性人工智能……

作者：讀芯術(shù) 2020-02-06 13:06:52

人工智能深度學(xué)習(xí)

許多文章解釋了強(qiáng)化學(xué)習(xí)（RL）的概念，但鮮有文章解釋如何切實地設(shè)計實現(xiàn)現(xiàn)實世界中的強(qiáng)化學(xué)習(xí)。

許多文章解釋了強(qiáng)化學(xué)習(xí)(RL)的概念，但鮮有文章解釋如何切實地設(shè)計實現(xiàn)現(xiàn)實世界中的強(qiáng)化學(xué)習(xí)。

[[314129]]

小芯這次想分享人工智能范式轉(zhuǎn)變課程，討論設(shè)計權(quán)衡問題，并深入研究技術(shù)細(xì)節(jié)。

那么，我們開始吧!

首先，喝酒?

想象一下你身處聚會，有點微醺或酩酊大醉，自愿參加一個飲酒游戲，想要打動一個(或多個)頗具魅力的泛泛之交。

有人蒙住你的眼睛，給你一杯或一瓶啤酒，喊道：“倒酒!”

你會怎么做?

可能會有以下反應(yīng)：該死，我應(yīng)該怎么做?怎樣能贏!要是輸了怎么辦!?

游戲規(guī)則如下：在10秒內(nèi)把啤酒灌滿，盡可能接近玻璃杯上的標(biāo)記?？梢园哑【频惯M(jìn)倒出。

RL(強(qiáng)化學(xué)習(xí))解決方案面臨著類似的任務(wù)，高大上且有意義，歡迎了解。

現(xiàn)實世界中的啤酒問題

環(huán)保共享單車業(yè)務(wù)存在一個大問題。一天中，每個單車停放處(杯)的共享單車(啤酒)數(shù)量過多或不足。

紐約市單車停放處的單車過剩(左圖)和不足(右圖)

對于騎自行車的人來說，這十分不便，并且要花費數(shù)百萬美元來管理運營，也不劃算。不久前，筆者在紐約大學(xué)的團(tuán)隊任務(wù)是提供人工智能解決方案，將人工干預(yù)降到最小，幫助管理自行車庫存。

目標(biāo)：每天將各個單車停放處的數(shù)量保持在1至50之間(想想杯子上的標(biāo)記)。這在共享經(jīng)濟(jì)中被稱為“再平衡問題”。

限制條件：由于運營限制，團(tuán)隊每天每小時只能移動1、3或10輛單車(可以倒入或倒出的啤酒量)。當(dāng)然，他們可以選擇什么都不做。團(tuán)隊移動的單車越多，價格越昂貴。

惰性RL(強(qiáng)化學(xué)習(xí))解決方案

團(tuán)隊決定使用RL (強(qiáng)化學(xué)習(xí))，它克服了傳統(tǒng)方法的許多局限(例如基于規(guī)則和預(yù)測)。

如果想了解RL(強(qiáng)化學(xué)習(xí))以及一些關(guān)鍵概念，喬納森·輝(JonathanHui)撰寫了一篇很棒的介紹，托馬斯·西蒙尼尼(ThomasSimonini )詳細(xì)解釋了解決方案中應(yīng)用的RL算法Q-Learning。

事實證明，人類創(chuàng)建了極具惰性的人工智能。當(dāng)單車存量超過60輛時，它通常會選擇不執(zhí)行任何操作或執(zhí)行最少操作(移動1或3輛自行車)。似乎有違常理，但這是非常明智的。

根據(jù)直覺，可能會移動盡可能多的單車以將其保持在50輛以下，尤其是在停放處停滿時。但是，RL(強(qiáng)化學(xué)習(xí))識別出移動成本(移動的單車越多，成本越高)以及在某些情況下成功的機(jī)會?？紤]到所剩時間，根本不可能實現(xiàn)目標(biāo)。它知道最好的選擇是“放棄”。因此，放棄比繼續(xù)嘗試要付出更少的代價!

所以呢?當(dāng)人工智能做出非常規(guī)決策時，類似于谷歌Alpha Go研發(fā)的著名Move 37 and 78 ，它們會挑戰(zhàn)人類的偏見，幫助打破知識的魔咒，并將人類推向未知的道路。

創(chuàng)造人工智能既是一種發(fā)明，也是一種探索人類內(nèi)心活動的旅程。——DeepMind創(chuàng)始人德米斯·哈薩比斯 (Demis Hassabis)在《經(jīng)濟(jì)學(xué)人》雜志《2020年的世界》(The World in 2020)一文中所言。

但是，請保持謹(jǐn)慎。人類價值體系無可替代，因此人類不會一落千丈或迷失自我。

哲學(xué)知識已經(jīng)足夠了，現(xiàn)在現(xiàn)實一點吧

RL如何管理單車停放處?

下圖顯示了在有無RL的情況下，一天當(dāng)中單車的停放量。