訓(xùn)練神經(jīng)網(wǎng)絡(luò)并非易事。盡管實(shí)現(xiàn)起來并不難，但無論你可以使用多少計(jì)算能力，都要花好幾個(gè)小時(shí)才能做好。OpenAI的研究人員可能有一個(gè)更好的解決辦法：打破常規(guī)。

他們開發(fā)出了一種進(jìn)化策略，可以保證更強(qiáng)大的人工智能系統(tǒng)，而這一策略實(shí)際上與生物進(jìn)化并沒有多大關(guān)系。他們沒有使用常規(guī)的強(qiáng)化訓(xùn)練方式，而是創(chuàng)建了一個(gè)“黑盒”，沒有環(huán)境和神經(jīng)網(wǎng)絡(luò)的參與。這種方法是在單獨(dú)優(yōu)化特定功能，并在必要的情況下共享它。

這個(gè)系統(tǒng)的運(yùn)行從很多隨機(jī)參數(shù)開始，然后進(jìn)行猜測和后續(xù)微調(diào)，以支持更多的對象，最后逐漸找出最優(yōu)解。比如說，你可以從一百萬個(gè)數(shù)字開始運(yùn)行，但最后你只會(huì)得到一個(gè)數(shù)字。

這聽起來有點(diǎn)神秘，但其好處也是很容易理解的。這項(xiàng)技術(shù)消除了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的一些不便之處，使代碼更容易運(yùn)行，速度也快了兩到三倍。而在這個(gè)系統(tǒng)中，人工處理的部分只需要占到非常少量的數(shù)據(jù)，就可以更好地解決問題。在測試中，一臺(tái)擁有1440個(gè)處理器核心的超級(jí)計(jì)算機(jī)，訓(xùn)練僅需10分鐘，而傳統(tǒng)裝置則需要10小時(shí)。即使是所謂“低配”的720核系統(tǒng)，也可以在1小時(shí)內(nèi)完成32核系統(tǒng)需要一整天才能完成的任務(wù)。

不過，“黑盒”的方法真正運(yùn)用到人工智能世界中，還有很長的一段路要走。然而，實(shí)際效果也是顯而易見的：神經(jīng)網(wǎng)絡(luò)運(yùn)營商可以大幅節(jié)約訓(xùn)練系統(tǒng)的時(shí)間，從而把更多的精力花費(fèi)在實(shí)際使用中。隨著電腦運(yùn)行速度的加快，這種學(xué)習(xí)方法的實(shí)際應(yīng)用也更加具有可能性。終有一天，你可能會(huì)看到機(jī)器人可以快速適應(yīng)新任務(wù)和從錯(cuò)誤中學(xué)習(xí)了。（來源/Engadget 翻譯/機(jī)器小易 審校/小ka）

登陸|注冊歡迎登陸本站，認(rèn)識(shí)更多朋友，獲得更多精彩內(nèi)容推薦！