Google DeepMind AI学会创造性地摆脱障碍

加强学习（RL）是通过使用奖励制度来教导和指导行为的做法。理想行为产生奖励; 不良行为不行。它是机器学习中常用的工具，现在字母表团队已经用它来教导DeepMind AI成功导航跑酷课程。

团队希望看到简单的回报是否能在复杂的环境中工作。他们建立了一个虚拟的跑步课程，有滴，障碍和俯卧撑，并为进步取得了积极的回报。在最基本的层面上，系统如下：AI移动越过地形越快，奖励就越大。为更复杂的计划增加了额外的激励和惩罚。

代理在跑酷中玩乐！来自DeepMind的同事的酷文https://t.co/X0PwKXrQ2M?ncid=txtlnkusaolp00000618pic.twitter.com/yMT6XCNv45

- Oriol Vinyals（@OriolVinyalsML）2017年7月10日

您可以在此视频中看到完整的结果; 所有的棒状图的导航都是通过强化学习教导的。AI使用一个试错系统来确定如何尽快向前移动，而不会“终止”。

很明显，DeepMind正在使用创造性的解决方案来克服所提供的障碍; 大多数时候，提供最有效解决方案的运动并不完全是自然而然的。它为未来的AI提供了有趣的可能性，因为机器人实际上不必将自己限制在人类的运动中，以达到设定的目标。看看这是否会对未来的AI和机器人开发产生影响，这将是有趣的。