蘋果AI總監談人工智慧：對強化學習很感興趣

雖然人工智慧在圖像識別和產品推薦等方面取得了巨大的進步，但是這項技術仍然面臨諸多挑戰，特別是如何讓AI系統擁有“記憶功能”依然是一個難題。

本週二（3月28日），蘋果的AI研究部門的總監Ruslan Salakhutdinov在MIT Technology Review會議上探討了人工智慧的局限性，不過他並未提及蘋果是怎樣將人工智慧整合到Siri等產品中的。

Salakhutdinov於去年10月加入蘋果，他稱自己對強化學習（Reinforcement Learning）非常感興趣， 利用這種技術可以教會電腦通過反復優化決策來獲取最好的結果。例如，穀歌就使用了強化學習來幫助資料中心達到最佳的散熱和操作配置，從而使其更加節能。

卡耐基梅隆大學（Salakhutdinov是該大學的副教授）的研究人員最近也在做這方面的研究：使用強化學習訓練電腦玩上世紀90年代的視頻遊戲“Doom”。很快，電腦就學會了如何快速並準確地射擊外星人，而且還發現閃避能夠躲開敵人的火力。但是，它並不擅長記憶，比如記不住迷宮的佈局，這使得它無法事先規劃和制定遊戲策略。

Salakhutdinov的研究涉及到一種AI軟體，它能夠記錄“Doom”中的虛擬迷宮佈局以及各個參考點，以便定位特定塔樓的位置。在遊戲過程中，該軟體首先會判斷火炬的顏色（紅色或者綠色），然後根據火炬的顏色定位相應顏色的塔樓。

最終，這個軟體學會了如何在迷宮中找到正確的塔樓。而且當它發現自己找到的是錯誤的塔樓的時候，還會原路返回，尋找正確的塔樓。特別值得注意的是，該軟體在每次發現塔樓時都能夠回憶起火炬的顏色，Salakhutdinov解釋道。

不過，Salakhutdinov表示，這種類型的AI軟體需要“很長的訓練時間”，而且還需要強大的計算能力， 因此難以擴大規模。

此外， Salakhutdinov想要探索的另一個領域是：教會AI軟體通過“更少的樣本和經驗”達到更快的學習速度。儘管沒有在演講中提及，但是他的這一設想顯然有利於蘋果在更短的時間內創造更好的產品。

一些AI專家和分析師認為，由於蘋果公司的隱私規則更加嚴格，限制了可用於訓練AI系統的資料量，因此蘋果的AI技術不如穀歌和微軟等競爭對手。Fortune認為，如果蘋果一直使用較少的資料來訓練AI系統，那麼它或許能在滿足隱私要求的同時，仍然能夠像競爭對手那樣快速對軟體進行改進。

via.

Fortune

，雷鋒網編譯