強化學習之父：AI研究70年教訓深刻 未來探索要靠智能體自己

　　近日，強化學習之父、加拿大計算機科學家Richard S. Sutton在其個人網(wǎng)站上發(fā)文，指出了過去70年來AI研究方面的苦澀教訓：我們過于依靠人類知識了。

　　Sutton認為，過去70年來，AI研究走過的最大彎路，就是過于重視人類既有經(jīng)驗和知識，研究人員在訓練AI模型時，往往想將人類知識灌輸給智能體，而不是讓智能體自己去探索。這實際上只是個記錄的過程，并未實現(xiàn)真正的學習。

　　事實證明，這種基于人類知識的所謂”以人為本“的方法，并未收到很好的效果，尤其是在可用計算力迅猛增長的大背景下，在國際象棋、圍棋、計算機視覺等熱門領域，智能體本身已經(jīng)可以自己完成”規(guī)?；阉骱蛯W習“，取得的效果要遠好于傳統(tǒng)方法。

　　Sutton由此認為，過去的教訓必須總結，未來的研究中，應該讓AI智能體能夠像我們一樣自己去發(fā)現(xiàn)，而不是將我們發(fā)現(xiàn)的東西記下來，因為后者只會讓我們更難以了解發(fā)現(xiàn)的過程究竟是怎樣的。

　　以下為文章原文：

　　在過去70年中，人工智能研究中得出的一個最大教訓是，通用化的方法最終往往是最有效的，而且能夠大幅提升性能。造成這個結果的最終原因是摩爾定律，或者說，是摩爾定律總結出的計算力隨時間的變化趨勢。

　　大多數(shù)人工智能研究都有個假設前提，即智能體的可用計算力是一個不變的常量，也就是說，提升性能的方法可能就只有利用人類自己的知識了。但是，如果項目周期比一般情況較長時，一定會有豐富的計算力可以投入使用。從短期來看，研究人員可以利用自己掌握的相關領域的人類知識來換取性能提升，但從長遠來看，唯一重要的還是計算力。

　　我們完全沒有必要讓這兩者相互對立起來，但實際上，它們往往就是相互對立的。項目時間有限，把時間花在計算力上，就不能花在人類知識的利用上。研究人員在心理上往往會偏向某一種方式。人類知識方法往往使解決問題的方法變得復雜化，與利用利用計算力得出的通用化方法相比，適應性上不如前者。

　　不少AI研究人員用了很長時間才明白這個教訓，所以我覺得這個問題值得單獨拿出來講一講。

　　過去70年AI研究的深刻教訓：靠人類知識，遠不如靠智能體自己

　　1997年，IBM的計算機“深藍”擊敗了世界冠軍卡斯帕羅夫，“深藍”的開發(fā)就是基于大規(guī)模的深度搜索。而當時，大多數(shù)計算機象棋研究人員采用的方法，都是利用人類對國際象棋特殊結構的理解。

　　當一個簡單的、基于搜索的方法在專門的軟硬件上顯示出強大性能時，彼時基于人類知識的國際象棋研究人員沮喪地表示，這次“野蠻搜索“可能壓倒了人類的經(jīng)驗和知識，取得了勝利，但這無論如何不是人們下棋的方式。這些研究人員一直希望基于“人類知識”的方法能夠獲勝，因為沒有實現(xiàn)這一點，他們的失望溢于言表。

　　計算機圍棋中也出現(xiàn)了類似的研究模式，不過比國際象棋遲來了20年。研究人員希望通過人類知識或棋局的獨有特征，來避開大規(guī)模搜索，但所有這些努力都證明是用錯了地方，而且，在搜索大規(guī)模應用之后，這種錯誤顯得更加明顯了。

　　同樣重要的是，通過智能體的自我學習來學習價值功能。像大規(guī)模搜索一樣，AI需要通過自對弈和通用學習來提升性能，實現(xiàn)大規(guī)模的計算應用。

　　搜索和學習是在AI研究中利用計算力的兩種最重要的技術。在計算機圍棋中，研究人員最初的方向也是利用人類知識，搜索用的比較少，很長時間以后，才通過搜索和學習獲得了更大的成功。

　　在語音識別方面，早期的研究利用了一系列基于人類知識的專門方法：詞匯、音素、人類聲道知識等。而比較新的方法更偏向統(tǒng)計性，并且計算量更大，基于隱馬爾可夫模型(HMM)。與國際象棋和圍棋一樣，在語音識別領域，同樣是統(tǒng)計方法戰(zhàn)勝了基于人類知識的方法。這導致所有NLP研究在近幾十年內發(fā)生了重大變化，統(tǒng)計和計算在這一領域占據(jù)了主導地位。最近的語音識別領域中，深度學習的興起是這個趨勢的最新體現(xiàn)。

　　深度學習方法對人類知識的依賴更少，應用了更多的計算，以及對大量訓練集的學習，生成性能更高語音識別系統(tǒng)。和棋類對弈一樣，研究人員一開始總是想讓系統(tǒng)按照人類的思維的方式運作，試圖將人類知識放輸入系統(tǒng)，但事實證明，最終是適得其反，而且極大地浪費了研究人員的時間。隨著計算力的迅速增長，研究人員也找到了能夠高效利用計算力的方式。

　　在計算機視覺領域也是如此，早期研究將“視覺”設想為搜索的邊緣或廣義圓柱體。但今天這一切都被拋棄了。現(xiàn)代深度學習神經(jīng)網(wǎng)絡僅使用卷積和某些不變性的概念，并且表現(xiàn)得更好。

　　這是一個很大的教訓。我們仍然沒有完全理解這個領域，因為我們會繼續(xù)犯下同樣的錯誤。要看到這一點，并從中總結教訓，即建立我們認為理解自身思考方式的體系，從長遠來看解決不了問題，AI研究從重“人類知識”到重“計算和搜索”的演進過程，已經(jīng)證明了這一點。

　　回顧過去，我們可以總結出下面幾點認識：

　　1)AI研究人員經(jīng)常想要將知識傳給智能體

　　2)這個方式在短期內總是會有效，研究人員本人可以獲得滿意結果。

　　3)從長遠來看，這種方式對未來的性能提升沒有幫助，甚至有阻礙作用。

　　4)AI的突破性進展最終要通過基于搜索和學習進行規(guī)模化計算的方法來實現(xiàn)。

　　對于AI研究而言，最終的成功可能反而會充滿了苦澀，很多人往往理解不了，因為它戰(zhàn)勝的是“以人為本”的老方法。

　　要讓智能體自己去搜索和發(fā)現(xiàn)，而不是靠人類

　　通用方法具備強大功能，即使可用計算力已經(jīng)非常強大，我們仍然可以通過增加計算力來擴展的方法。而基于計算力的搜索和學習可以按照這一方向任意擴展下去。

　　第二個教訓是，人類思維的實際內容的復雜程度是無可比擬的，我們不應該在嘗試尋找關于思維內容的簡單方法，如對空間、對象，多智能體或對稱性的思維內容的簡單方法。

　　所有這些在本質上都是復雜的外部世界的一部分，它們的復雜性是無窮無盡的，我們應該集中精力構建可以找到并捕獲這種任意復雜性的”元方法“。構建這種“元方法”的關鍵在于，智能體能夠找到很好的近似結果，但是具體執(zhí)行搜索、進行發(fā)現(xiàn)的應該是智能體自己，而不是我們。我們希望AI智能體能夠像我們一樣自己去發(fā)現(xiàn)，而不是將我們發(fā)現(xiàn)的東西記下來，因為后者只會讓我們更難以了解發(fā)現(xiàn)的過程究竟是怎樣的。

　　作者簡介：

　　Richard S Sutton是加拿大計算機科學家，阿爾伯塔大學計算機科學教授和iCORE主席。 他被認為是現(xiàn)代計算強化學習的創(chuàng)始人之一，在時間差異學習和政策梯度方法方面，對該領域做出了重要貢獻。