世界发现模型
人工智能
2019-03-05 v3 应用统计
机器学习
摘要
作为人类，我们被一种强烈渴望所驱动，即在世界中寻求新奇。并且在观察到新奇模式时，我们能够基于新信息精炼对世界的理解——人类能够发现自己的世界。人类心智卓越的发现能力带来了科学、艺术与技术领域的诸多突破。在此我们探究利用现代AI技术构建能够发现其世界的智能体的可能性。具体而言，我们引入NDIGO（Neural Differential Information Gain Optimisation，神经微分信息增益优化），一种自监督发现模型，旨在从局部且含噪的观测中寻求新信息以构建其世界的全局视图。我们在若干受控的二维导航任务上的实验表明，NDIGO在所学表征的质量方面优于SOTA（state-of-the-art，最先进）的信息寻求方法。在存在白噪声或结构化噪声时，性能提升尤为显著，此时其他信息寻求方法追随噪声而非发现其世界。
引用
@article{arxiv.1902.07685,
title = {World Discovery Models},
author = {Mohammad Gheshlaghi Azar and Bilal Piot and Bernardo Avila Pires and Jean-Bastien Grill and Florent Altché and Rémi Munos},
journal= {arXiv preprint arXiv:1902.07685},
year = {2019}
}