盡管人工智能取得了巨大的進步，但在許多方面仍然存在局限。例如，在電腦游戲中，如果AI智能體未預先編程游戲規(guī)則，則必須嘗試數(shù)百萬次才能確定正確的選擇。人類可以在更短的時間內(nèi)完成相同的壯舉，因為我們擅長通過使用語言將過去的知識轉(zhuǎn)移到新的任務中。

在一個屠龍游戲中，AI智能體需要嘗試許多其他的動作(對著墻或是花叢噴火)，才能理解它必須殺死龍。然而，如果AI智能體理解語言，人類可以簡單地使用語言來指示它：“殺死龍才能使游戲獲勝”。

在人類如何概括技能并將其應用于新任務方面上，基于視覺的語言發(fā)揮著重要作用，這對于機器仍然是一個重大挑戰(zhàn)。開發(fā)復雜的語言系統(tǒng)對于機器變得真正智能，并獲得像人類一樣學習的能力至關(guān)重要。

作為實現(xiàn)這一目標的第一步，百度IDL實驗室開發(fā)了一個使用監(jiān)督學習和強化學習的組合系統(tǒng)，允許虛擬教師向虛擬AI智能體教授語言，通過將語言與感知和動作連接起來，就像父母教他們的寶寶一樣。

IDL實驗室的結(jié)果表明，在訓練結(jié)束后，AI智能體能夠以自然的語言正確地解讀老師的指令，并采取相應的行動。更重要的是，AI智能體開發(fā)了“zero-shot學習能力”，這意味著智能體能夠理解潛在的語句，研究院發(fā)現(xiàn)，“這項研究使我們向教機器像人類一樣學習邁進一步。”

論文鏈接：http://arxiv.org/abs/1703.09831

學習概況

該研究在稱為XWORLD的2D迷宮般的環(huán)境中進行，百度的虛擬智能體需要根據(jù)虛擬教師發(fā)出的自然語言命令進行導航。一開始，智能體對這種語言一無所知，每一個字都同等的沒有任何意義。 然而，當它探索環(huán)境時，如果執(zhí)行命令成功(或失敗)，老師會給出積極的(或消極的)回應。

為了幫助智能體學習得更快，老師還會在智能體導航時詢問有關(guān)環(huán)境的簡單問題。智能體需要正確的回答問題。通過鼓勵正確的行動/答案，懲罰不正確的行動/回答，經(jīng)過多次試驗和錯誤，老師得以訓練智能體去了解自然語言。

一些示例命令包括：

• 請移動到蘋果處。
• 你可以移動到蘋果和香蕉之間的網(wǎng)格嗎?
• 你能移動到紅蘋果處嗎?

一些Q&A的例子：

• 問：北方的物體是什么?答：一根香蕉。
• 問：香蕉在哪里?答：北邊。
• 問：蘋果西邊物體的顏色是多少? 答：黃色

結(jié)果

最后，智能體能夠正確地解釋教師的命令并導航到正確的地方。更重要的是，智能體開發(fā)了研究團隊的所謂的“zero-shot learning ability”，這意味著即使是以前沒有看到的全新命令，如果有足夠的以前看過的相似形式的句子，仍然能夠正確的執(zhí)行任務。換句話說，智能體能夠以已知的方式(語法)理解用已知單詞組合的新句子。

例如，一個學習如何用刀切一個蘋果的人將會知道如何用刀切火龍果。將過去的知識應用于新任務對于人來說非常容易，但是對于目前的端到端學習機器來說仍然是困難的。

雖然機器可能知道“火龍果”的樣子，但是除非它已經(jīng)使用包含該命令的數(shù)據(jù)集進行了明確的訓練，否則它無法執(zhí)行“用刀切割火龍果”的任務。相比之下，我們的智能體表現(xiàn)出能夠轉(zhuǎn)移它所知道的關(guān)于火龍果的視覺外觀，以及“用刀切”的任務，即使沒有經(jīng)過確切的的訓練，仍然可以成功進行用“用刀切割龍果”的任務 。

下圖展現(xiàn)了我們的智能體成功執(zhí)行導航任務測試。

導航語句

• 請移動到卷心菜的西邊。
• 請移動到無花果的東邊。

識別語句

• Q：東南邊是什么?
• A：西瓜。

導航測試

• 請移動到無花果的西邊。

導航語句

• 你可以移動到椰子處嗎?
• 你可以移動到蘋果處嗎?

導航測試

• 你可以移動到西瓜處嗎?

百度研究院的后續(xù)研究有兩個方向：

• 一個是在當前2D環(huán)境中用自然語言命令教授智能體更多的能力，
• 另一個是將其遷移到虛擬3D環(huán)境。虛擬3D環(huán)境帶來更多的挑戰(zhàn)，而且更像是我們現(xiàn)實生活的環(huán)境。

而百度的最終目標，是讓人類在現(xiàn)實環(huán)境中，采用自然語言來訓練一個真正意義上的機器人。