搏击

從一個失敗的強化學習訓練說起

2020-01-16 20:20:57来源:励志吧0次阅读

从一个失败的强化学习训练说起:OpenAI 探讨应该如何设计奖励函数

在当下,强化学习算法以一种惊奇、不可思议的方式进入到了我们的视野中此前也做过不少相关的覆盖和报道

,而在 OpenAI 的这篇文章中,Dario Amodei 与 Jack Clark 将会探讨一个失败的强化学习模型这个模型为何失败原因就在于你没有指明你的奖励函数编译,未经许可不得转载

我们最近在 OpenAI 上使用 Universe 来进行强化学习的实验Universe是我们使用的一款软件,可以用它来测试和训练AI代理实验显示,有时候我们在使用强化学习进行训练时,会出现一些问题在接下来的例子当中,我们将针对这种情况进行说明:我们将一个模糊的奖励函数应用于一个强化学习的代理,而这导致了我们的代理对优先级的处理是错误的,这也就违反了背景的设定

要想设计安全的AI系统,我们的算法就不能容忍这种情况的发生我们必须确定目标,不能使我们的AI代理误解目标

我们正在 CoastRunners 上训练我们的 AI 代理正如大多数人类所理解的那样,游戏的目标是快速并且完美的在其他玩家之前完成游戏在比赛过程中,CoastRunners 并不会对玩家的游戏进程进行奖励相反,玩家会因为不断地完成目标而获得更高的分数

我们假设玩家所获得的分数并不是玩家完成比赛的关键,对此我们在这个游戏当中设置一个内部基准,使用这个基准来衡量强化学习系统在这个竞赛中的表现然而结果表明,强化学习代理为了获得更高分数,而不去完成游戏这表明,在我们使用强化学习来训练代理玩这个游戏的时候,导致了意想不到的情况

这个强化学习代理找到了一个孤立的咸水湖,它可以不断地绕圈并不断地完成三个任务来获得分数,当这个三个任务被重现之后,该代理就再次重复它的行动来完成这三个任务不在乎一味的着火、冲撞其他的船只、进入错误的航道,我们所训练的代理通过使用这种方式来获得更高的分数,而不是使用正常的策略来完成比赛我们的AI代理获得的分数,平均下来比其他的人类玩家高20%

尽管在电子游戏的环境中,这种行为是无害并且有意思的,然而这种行为表明广泛存在于强化学习当中的一个问题:精准地使代理按照我们人类的意愿来做事,是很困难或者说是不可能的我们得到的结果往往是,我们所训练出的是一个不完美而又易受影响的代理在更广范围来说,它违背了基本的工程学原理,即系统必须是可信并且可以预测的我们也在我们的实验论文《聚焦AI系统安全问题》中,进行了更深入的探讨

我们该如何避免这些问题除了谨慎地设计奖励函数之外,OpenAI 对一些研究方向的探索,可能会有助于减少使用那些错误的奖励函数

示范训练将会帮助我们避免使用直接指定奖励,相反它会帮助我们训练的代理学习如何模仿一个人来完成任务在本例中,由于大部分的人类玩家都在试图完成游戏,因此我们的强化学习算法也会这样做

除此之外,或者说除了人类的示范作用之外,我们可以通过估计游戏进行的环节,或者以一种交互的方式来控制我们的代理,并将其视为人的反馈非常小的评价反馈可能会帮助代理避免进入死循环

使用迁移学习的方式来训练众多相似的游戏,并推断对于这种游戏有一个共同的奖励函数,是有可能的一个典型的游戏更多的是为了完成比赛,而不是为了获得游戏当中的特殊奖励,在基于这个事实的基础之上,我们的奖励函数会将完成游戏列为最高优先级这看上去和人类玩游戏的方式一样

但是这种方法可能存有弊端例如,假如许多相似的环境拥有类似的奖励函数,我们也许能够将这种奖励函数应用到到一个新的环境但是这种应用有可能会引发错误例如,我们使用许多竞赛类的游戏(这些游戏对于开出跑道的惩罚很小)来训练我们的代理,这将会使我们的代理错误的认为在一个全新的、代价更高的背景下,开出跑道也没什么大不了的更微妙的是,假如应用这种奖励函数的过程涉及到了神经络,在该络中那些互斥的例子,有可能导致奖励函数在非正常的区域内来获得高额的奖励,这种现象并不是我们乐意见到的

解决这类问题是复杂的我们希望 Universe可以帮助我们快速地发现并解决这些新的错误,最终使我们的系统可信(公众号:)也将持续关注强化学习领域的相关内容

viaopenai

【兼职召集令】

如果你对未来充满憧憬,喜欢探索改变世界的科技进展,look no further

我们需要这样的你:

精通英语,对技术与产品感兴趣,关注人工智能学术动态的萝莉萌妹子技术宅;

文字不求妙笔生花,但希望通俗易懂;

在这里,你会收获:

一群来自天南地北、志同道合的小伙伴;

前沿学术科技动态,每天为自己充充电;

更高的生活品质,翻翻文章就能挣到零花钱;

有意向的小伙伴们把个人介绍/简历发至 guoyixin@,如有作品,欢迎一并附上

原创文章,未经授权禁止转载详情见转载须知

胸闷气短吃什么好
合肥治疗阳痿早泄方法
儿童发烧怎么退烧最快
分享到: