想象和計劃的代表：這是本月早些時候六個DeepMind團隊成員的DeepMind討論的標題。

他們在兩個論文上完成了DeepMind研究工作的方向，現在正在arXiv上。

他們說，在你采取行動之前想象你行為的后果是人類認知的有力工具。(我們每天都這樣做。就像那個筆在你桌面的邊緣搖搖晃晃。你可以“想象”它落下，所以你把它移到一個更安全的位置。)

“如果我們的算法要發展同樣復雜的行為，他們也必須具備'想象'和推理未來的能力。”

正如Thomas Claburn在The Register中指出的那樣，DeepMind“已經發現，用想象力灌輸其軟件代理可以幫助他們更好地學習。”

什么樣的想象。

如果你研究報道這項研究的新聞網站，你會發現他們會仔細地說出它是什么以及它不是什么，而是使用諸如想象力 - “喜歡”和想象力 - “基于”這樣的短語。

他們從根本上研究了改進深層強化學習的新技術。

克拉本用非常清晰的語言翻譯了他們正在做的事情：

“強化學習是機器學習的一種形式。它涉及一種軟件代理，通過與特定環境的交互來學習，通常是通過反復試驗。深度學習是一種機器形式，涉及受人類大腦啟發的算法，稱為神經網絡。這兩種技術可以一起使用。“ 他說，DeepMind的工作試圖提供兩全其美的優勢。

代理人從像素表示中播放Sokoban，而不知道游戲規則。在特定的時間點，我們想象代理人對五種可能未來的想象。根據該信息，代理商決定采取什么行動。突出顯示相應的軌跡。閱讀DeepMind博客：想象和計劃的代理商

在現實世界中，復雜性規則。說到規則，在現實生活中，它們并沒有如此清晰地定義。事情發生你無法輕易預測。至于規劃策略，我們非常清楚，一個通用的答案并不總是適用于真實的環境。

代理商如何處理復雜問題?團隊成員有兩篇論文涉及這一切。他們描述了一系列基于想象力的計劃方法。引入了體系結構，以便代理商學習和構建計劃以最大化任務效率的新方法。

關于這些代理人的一個更有趣的特征描述是“他們可以學習不同的策略來構建計劃。他們通過在繼續當前的想象軌跡或從頭開始重新選擇之間做出選擇。”

他們還可以使用不同的想象模型，“具有不同的精度和計算成本。”

研究人員測試了任務的架構，包括益智游戲推箱子和宇宙飛船導航游戲。

推箱子視頻說明：一名經紀人從像素表示中扮演推箱子，不知道游戲規則。

宇宙飛船任務的注意事項：DeepMind的帖子帶有一個“代理人玩太空飛船任務的視覺效果。紅線表示在環境中執行的軌跡，而藍色和綠色表示想象的軌跡。”

結果?

“對于這兩項任務，想象力增強的特工大大優于無想象力的基線：他們以較少的經驗學習，能夠應對環境建模的不完美之處。”

正如TNW的亞歷杭德羅·陶伯所說，“這些論文中描述的想象力類型遠不及人類所能達到的那種，但它確實表明，人工智能可以并且能夠在行動之前有效地想象不同的場景。”

關于論文：“想象力增強的深層強化學習代理”本月在arXiv上提交。

他們表示，這些代理人通過“學習解釋”他們的不完美預測來使用近似環境模型，并且他們的算法可以直接在低級別的觀察上進行訓練，只需很少的領域知識。

“在不對環境模型的結構及其可能的不完善性做出任何假設的情況下，我們的方法以端到端的方式學習，從模型模擬中提取有用的知識 - 特別是不依賴于模擬的回報。”

另一篇論文是“從零開始學習基于模型的規劃”，本月也提交了arXiv。“我們表明，我們的架構可以學習解決具有挑戰性的連續控制問題，并在離散的迷宮解決任務中學習精心策劃的策略。”