智東西（公眾號：zhidxcom）
文 | Lina
智東西5月17日消息，今天，OpenAI宣佈了一種新型算法：“一次性模擬學習(one-shot imitation learning)”，當人類在VR中演示一次某個動作後，機器通過學習這一動作就可以執行出相同的結果。
OpenAI是Elon Musk於2015年12月宣佈成立的非盈利AI項目，科研人員會將大部分研究成果開源共享；主要關注增強學習和無監督學習——谷歌此前名聲大噪的圍棋程序AlphaGo用的就是增強學習；而無監督學習需要機器處理大量沒有標記的數據，自己找到區分不同數據子集、集群、或者相似圖像的辦法，有點像嬰兒學習世界的方式，一直被視作人工智能的真正潛力釋放點。
卷積神經網絡之父Yann LeCun有一個經典比喻：如果人工智能是一塊蛋糕，增強學習（Reinforcement Learning）就是蛋糕上的一粒櫻桃，而監督學習（Supervised Learning）是蛋糕外的一層糖霜，但無監督學習（Unsupervised Learning）才是蛋糕本身。目前我們只知道如何製作糖霜和櫻桃，卻不知道如何做蛋糕。
一次性模擬學習
OpenAI宣佈的這種新型算法“一次性模擬學習(one-shot imitation learning)”指的是，當人類在VR中演示一次某個動作後，比如將桌面藍色的小盒子疊放在紅色小盒子上這個動作，機器通過學習這一動作就可以執行出相同的結果，並且不論桌面盒子擺放的順序如何，機器都可以準確執行。
這套學習系統由兩個神經網絡組成：一個視覺網絡(vision network)和一個模仿網絡(imitation network)。
視覺網絡(vision network)獲得的圖像來自機器人的攝像機，此前，這個視覺網絡經過數十萬張模擬圖像的訓練，每張都具有不同紋理、光影效果等（但是從未使用真實圖像進行訓練）；
模擬網絡(imitation network)則必須生成一個與VR演示動作一致的執行步驟，並且推斷出該任務的意圖，使得在初始設定變更時（如盒子的擺放順序調亂時）依舊可以找到藍色的盒子並把它疊在紅盒子上。
目前，學術界與產業界都在尋找使用各種訓練機器人的手法，比如英偉達CEO黃仁勳在上週的GTC大會上也宣佈了一款名為ISAAC的增強學習世界模擬器，創造出一個完全虛擬的、專為訓練機器人而打造的世界。
這是一個遵循物理法則但不遵循時間法則的世界，在現實生活中，你想要訓練一臺機器學會打冰球，你要將這個冰球放在機器前面，一遍一遍地教會它；而在虛擬世界裡，機器可以在一秒內重複眾多次這樣的動作，而且你還可以同時訓練一堆機器學習打球，然後找到裡面最聰明的一個，將它的“大腦”程序複製出來，創建一堆同樣的機器再繼續訓練篩選。（多人VR交互、30億刀的顯卡、神祕ISAAC黑科技……乾貨滿滿的GTC 2017一文看盡）
