OpenAI 已經展示了強化學習在達到視頻遊戲中超人類表現的力量。通過使用試錯和持續反饋的迭代過程,他們的 AI 系統能夠將其策略精煉到超人類水平。

他們的方法的關鍵方面包括:

1. 強化學習: AI 系統從遊戲環境獲得反饋,並通過這一迭代過程不斷提高其表現。與需要數天或數月才能從錯誤中學習的人類不同,AI 可以在短時間內犯下並從數百萬個錯誤中學習。

2. 自我對弈和共同進化: AI 代理人相互對抗並與過去版本的自己對抗,允許他們通過競爭和合作發展越來越複雜的策略。

3. 技能的概括: 在視頻遊戲中學習的技能和策略可以推廣到其他領域,如數學、科學和複雜的現實世界問題解決。這在 Google 的 SEMA 代理人身上得到了體現,它優於針對個別遊戲訓練的專門代理人。

4. 出現的行為: 通過不明確地為 AI 代理人培訓特定的結果,而是允許他們探索和適應,研究人員觀察到了創新和意外行為的出現,例如代理人學會使用工具並破壞模擬環境的物理規則。

OpenAI 在視頻遊戲中使用強化學習的實驗成功表明,這種方法可能是推動超人類智能發展的關鍵驅動力。隨著研究人員繼續擴大環境的複雜性和任務的多樣性,這些 AI 系統解鎖新的知識和問題解決前沿的潛力越來越有希望。