OpenAI 已经展示了强化学习在视频游戏中实现超人类性能的力量。通过使用试错和持续反馈的迭代过程,他们的 AI 系统能够将其策略提升到超人类水平。

他们的方法的关键方面包括:

1. 强化学习: AI 系统从游戏环境中获得反馈,并通过这一迭代过程不断提高其性能。与需要数天或数月才能从错误中学习的人类不同,AI 可以在短时间内犯下并从数百万个错误中学习。

2. 自我对弈和共同进化: AI 代理商相互训练并与过去版本的自己对抗,这使他们能够通过竞争和合作发展日益复杂的策略。

3. 技能的概括: 在视频游戏中学习的技能和策略可以推广到其他领域,如数学、科学和复杂的现实世界问题解决。这在 Google 的 SEMA 代理商中得到体现,它优于针对单个游戏训练的专门代理商。

4. 新兴行为: 通过不明确地为 AI 代理商培训特定的结果,而是让他们探索和适应,研究人员观察到了创新和意外行为的出现,例如代理商学会使用工具并破坏模拟环境的物理规则。

OpenAI 在视频游戏中使用强化学习实验的成功表明,这种方法可能是推动超人类智能发展的关键驱动力。随着研究人员继续扩大环境的复杂性和任务的多样性,这些 AI 系统解锁新的知识和问题解决边界的潜力变得越来越有希望。