本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

DeepMind又對(duì)雅達(dá)利游戲下手了！

這次，他們最新推出的智能體MEME，在效果不變的前提下，比兩年前的Agent57提速了200倍！

Agent57，是DeepMind在2020年搞的一個(gè)智能體，史上首次在所有57個(gè)雅達(dá)利游戲中超過(guò)了人類(lèi)基準(zhǔn)表現(xiàn)。

但它有一個(gè)致命缺陷是效率低：需要近800億幀的數(shù)據(jù)訓(xùn)練才能實(shí)現(xiàn)。

現(xiàn)在，MEME的出現(xiàn)完美解決了這一問(wèn)題。

有網(wǎng)友看完表示：這就是真正的樣本高效吧。

話不多說(shuō)，趕緊來(lái)一睹為快吧。

新的智能體：MEME

Agent57，作為首個(gè)在所有雅達(dá)利游戲中超越人類(lèi)基準(zhǔn)表現(xiàn)的智能體，性能上已足夠先進(jìn)。

但問(wèn)題是，要想達(dá)到這一目標(biāo)，背后需要780億幀的龐大的經(jīng)驗(yàn)訓(xùn)練，這在時(shí)間和成本上都是一筆大開(kāi)支。

因此，以Agent57為起點(diǎn)，DeepMind采用了一系列不同的策略，來(lái)實(shí)現(xiàn)訓(xùn)練效率上的提升。

他們調(diào)查了在減少數(shù)據(jù)制度時(shí)遇到的一系列不穩(wěn)定因素和瓶頸，并提出了有效的解決方案，最后建立一個(gè)更加強(qiáng)大和高效的智能體：MEME。

新的MEME智能體主要針對(duì)Agent57的4個(gè)方面進(jìn)行改善，分別是：

A.實(shí)現(xiàn)與罕見(jiàn)事件相關(guān)的學(xué)習(xí)信號(hào)的快速傳播；

B.在不同的價(jià)值尺度下穩(wěn)定學(xué)習(xí)；

C.改進(jìn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

D.在快速變化的政策下使更新更加穩(wěn)健。

為了達(dá)到這四個(gè)目標(biāo)，DeepMind采取了以下方法，與上述四點(diǎn)相對(duì)應(yīng)。

A1.用在線網(wǎng)絡(luò)進(jìn)行引導(dǎo)；

A2.有公差的目標(biāo)計(jì)算；

B1.損失和優(yōu)先權(quán)歸一化；

B2.交叉混合訓(xùn)練；

C1.無(wú)歸一化的軀干網(wǎng)絡(luò)；

C2.帶有綜合損失的共享軀干；

D.通過(guò)策略提煉的魯棒行為。

這些方法旨在提高Agent57的數(shù)據(jù)效率，但這種效率的提高不能以犧牲終端性能為代價(jià)。

因此，為了檢驗(yàn)經(jīng)過(guò)上述步驟的智能體MEME的效率和性能，研究團(tuán)隊(duì)分別在2億、10億、200億、900億幀環(huán)境進(jìn)行了訓(xùn)練。

通過(guò)下圖可以直觀的看出，新智能體MEME在3.9億幀時(shí)就超過(guò)了人類(lèi)基準(zhǔn)，比Agent57快了兩個(gè)數(shù)量級(jí)，并且在將參數(shù)量從90B減少到1B的情況下，取得了類(lèi)似的最終表現(xiàn)。

可以說(shuō)相比Agent57而言，MEME既提升了效率，又保持了性能。

研究團(tuán)隊(duì)

MEME的研究團(tuán)隊(duì)來(lái)自DeepMind。

其中三位Adrià Puigdomènech Badia、Steven Kapturowski、Charles Blundell也是之前Agent57的論文作者。

值得一提的是，Steven Kapturowski在兩篇論文中都是一作。

他畢業(yè)于美國(guó)科羅拉多大學(xué)博爾德分校，曾在蘋(píng)果、微軟、Glassdoor等公司工作過(guò)，現(xiàn)在是DeepMind的一名高級(jí)研究工程師。