在无人类知识条件下求解魔方
人工智能
2018-05-22 v1
摘要
一个具备通用智能的智能体必须能够在极少人类监督下，自学如何解决复杂领域中的问题。近来，深度强化学习算法结合自我对弈，在无需人类数据或领域知识的情况下，于围棋、国际象棋和将棋中达到了超人水平。在这些环境中，游戏结束时总会获得奖励；然而，对于许多组合优化环境，奖励是稀疏的，且片段未必能保证终止。我们提出自自学迭代（Autodidactic Iteration）：一种新颖的强化学习算法，能够在无人类辅助的情况下自学求解魔方。我们的算法能够求解 100% 的随机打乱魔方，同时取得 30 步的中位求解长度——小于或等于采用人类领域知识的求解器。
引用
@article{arxiv.1805.07470,
title = {Solving the Rubik's Cube Without Human Knowledge},
author = {Stephen McAleer and Forest Agostinelli and Alexander Shmakov and Pierre Baldi},
journal= {arXiv preprint arXiv:1805.07470},
year = {2018}
}
备注
First three authors contributed equally. Submitted to NIPS 2018