PowerPlay 的初步实验
人工智能
2012-11-01 v1 机器学习
摘要
PowerPlay 如同科学家或玩耍的儿童，不仅学习新技能以解决给定问题，还能自行发明新的有趣问题。通过设计，它不断提出那些最容易找到、最初新颖但最终可解的任务。它还持续简化、压缩或加速先前任务的解决方案。在此，我们描述了 PowerPlay 的初步实验。采用自定界循环神经网络 SLIM RNN 作为通用计算问题解决架构。其连接权重可以编码任意的、自定界的、停机或非停机的程序，这些程序既影响环境（通过效应器），也影响编码事件序列抽象的内部状态。由 PowerPlay 驱动的 SLIM RNN 学习成为日益通用的自创问题解决者，不断向其不断增长的技能库中添加新的问题解决过程。在扩展最近一篇会议论文的基础上，我们识别了该开放系统中出现的有趣发展阶段。我们还展示了它如何自动实现自模块化，频繁重用先前发明技能的代码，并始终尝试发明那些能够快速验证的新颖任务，因为这些任务不需要影响过多先前任务的大量权重变化。
引用
@article{arxiv.1210.8385,
title = {First Experiments with PowerPlay},
author = {Rupesh Kumar Srivastava and Bas R. Steunebrink and Jürgen Schmidhuber},
journal= {arXiv preprint arXiv:1210.8385},
year = {2012}
}
备注
13 pages, 6 figures. Extends preliminary work presented at ICDL-EpiRob 2012