现在位置: 首页 > 策略 > 正文

马库斯再谈AlphaGo Zero:不是从零开始

作者: 扑克中国 2018 /1/20 16:28
纽约大学心理学和神经科学教授马库斯纽约大学心理学和神经科学教授马库斯

  文章来源:量子位公众号

  纽约大学心理学和神经科学教授马库斯(Gary Marcus)坚信AlphaZero仍依赖于一些人类知识,也曾在AlphaZero解读现场这样diss哈萨比斯。

  可能觉得说得不够,近日,马库斯在arXiv发布了本月第二篇长文Innateness, AlphaZero, and Artificial Intelligence,继续论证AlphaZero“可以在没有人类指导的情况下训练到超过人类水平”的说法被夸大了。

  “当代人工智能论文(通常)用了一个‘相当不错的’具体结果,对更广泛的主题做出了绝对普遍和离谱的断言。”几个小时前,他在推特引用了这句话,说明自己怒怼的原因。

马库斯再谈AlphaGo Zero:不是从零开始

  在文章中,马库斯将AlphaGo、AlphaGo Zero、AlphaZero的归结成一种“神奇的AI工程”,代号“AlphaStar”。

  它是一种深层结构的混合,它不单利用深度学习人,也依赖于像树搜索这样的传统符号技巧(symbolic technique)。

  这到底是种怎样的神奇工程?马库斯从DeepMind如何构建Alpha家族的架构开始讲起,量子位将重点内容编译整理如下。

马库斯再谈AlphaGo Zero:不是从零开始

  △ 马库斯

  从零开始?

  DeepMind在论文中说“一种纯强化学习方法是可行的,即使在最具挑战性的领域,它也能训练到超过人类的水平,并且无需人类的案例和指导。除了基本规则外,没有任何领域的基础知识。”

  我不赞同。

  他们系统中的很多方面延续了在之前在围棋程序上积累的研究,比如构建游戏程序中常用的蒙特卡洛树搜索。这种技术可以用来评估动作和对策,在树状结构上快速得到测试结果。

  问题来了,蒙特卡洛树这种结构不是通过强化学习从数据中学习的。相反,它在DeepMind的程序中是与生俱来的,根深蒂固地存在于每个迭代的AlphaStar。

  可以发现,DeepMind给出的卷积结构很精确,有很多下围棋的精确参数在里面,这不是通过纯碎的强化学习学到的。并且,固有算法和知识的整合的取样机制不在AlphaZero的实验范围内,这样可能会导致模型效果变差。

  与其说AlphaGo是从白板开始学习,不如说是它在构建的开始就站在了巨人的肩膀上。

  完美信息博弈之外

  无论是围棋、国际象棋还是将棋,都属于完美信息博弈。在这些游戏中,每个玩家可以在任何时候看到已经发生或正在发生的游戏局势。正因如此,围棋、国际象棋和将棋问题特别适合用大数据的方法“蛮力破解”。

  问题来了,同样的机制能解决更广泛的问题吗?

  AlphaGo Zero的解释中并没有说明应用范围,结果是否在其他挑战中通用也没有被提及。事实是,即使在其他棋类游戏中,这套方法可能并不适用。

  围棋程序需要的是强模式识别和树搜索技能,但其他游戏需要的能力可能不是这些。文明系列的游戏需要在不确定的交通网络中做出决策,游戏强权外交需要形成联盟,字谜游戏需要语言技能等等。

马库斯再谈AlphaGo Zero:不是从零开始

  还有一个例子,Moravcik等人研究的AI DeepStack能在德扑中击败人类对手,就需要一套相关但不同的先天结构,这无疑和完美信息的单机Atari游戏需要的结构不同。DeepMind想同时攻克这两种游戏,那他需要的是一套广泛的先天机制,而不是仅适用于单一游戏的系统。

  如何让这套先天机制适用于完美信息博弈以外的游戏呢?我们接着往下看。

  先天机制(Innate machinery)

  仅仅有强化学习和蒙特卡洛树搜索这两种先天机制还不够,那么,如果要达到通用人工智能,我们需要怎样的结构呢?

  在去年10月5号和LeCun的论证中,我有机会总结出一套计算原语组合:

  • 物体的表示

  • 架构化和代数表示

  • 基于变量的操作

  • type-token区别

  • 表示集合、位置、路径、轨迹、障碍和持久性的能力

  • 表示物体的可视性的方法

  • 时空邻近(Spatiotemporal contiguity)

  • 因果关系

  • 平移不变性

  • 分析成本效益的能力

  具备了上述的基础列表中的原语,可能自然就能拥有其他技能了。比如基于博弈的树搜索可能是AlphaStar与生俱来的,但是人们可能学习如何做出分析,即使精确度差了些,但至少可以把时间、因果关系和意图性结合在一起,具备成本效益分析的能力。

  但上面列表仅仅是个初版,它应该有多长还是个未知数。这让我想起1994年Pinker提出的一组的先天能力,里面甚至包括了恐惧、自我概念和性吸引力。这些都有些经验主义,但每个特征都被认知和发展心理学、动物行为学和神经科学所支撑。

  更重要的是,就目前的目的而言,这个领域确实存在一些可能的先天机制值得AI研究者去思考,简单假设在默认情况下,包含很少或几乎不包含先天机制就让人满意了,往好了说这叫保守。往坏了说,不经过思考就承诺从头开始重新学习可能也非常愚蠢,这是将每个独立的AI系统置于需要重新概括数百万年来进化的初始位置。

  最后,附论文链接:
https://arxiv.org/abs/1801.05667

  — 完 —

  

相关文章