新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

他說：“我曾經以為機器不可能打五對五的，更不用說贏了。我絕對被征服了�！�

這種技術在游戲中的應用令人印象深刻，但許多人工智能專家質疑它是否最終能轉化為解決現實問題。專注于人工智能的喬治亞理工學院計算機教授Mark Riedl質疑到：DeepMind的代理人事實上并沒有真正在合作。他們只是回應游戲中發生的事情，而不是像人類玩家那樣互相交換信息。（甚至渺小如螞蟻也可以通過交換化學信號進行協作。）

雖然結果看起來像是協作，但這是因為代理人作為個體本身是可以完全理解游戲中發生的事情。

負責該項目的另一位DeepMind研究員Max Jaderberg則表示：“如何定義團隊合作并不是我想要解決的問題。但是一名代理人在對手的大本營坐等旗子出現這種情況，只有在依靠隊友時才有可能出現。”

像這樣的游戲并不像現實世界那么復雜。Riedl博士說到：“3D環境旨在使導航變得容易。Quake的戰略與協調很簡單�！�

強化學習非常適合這類游戲。在視頻游戲中，很容易識別成功的指標：獲得更多的得分。但在現實世界中，沒有人能保持得分。研究人員必須以其他方式定義成功。

這一點是可以實現的，至少在簡單的任務中。OpenAI的研究人員訓練了一個機器人手像孩子一樣來操縱字母塊——告訴它給你看字母A，它就會拿字母A給你看。

在谷歌機器人實驗室，研究人員已經證明機器可以學習拾取隨機物品，例如乒乓球、塑料香蕉，并將它們扔到幾英尺外的垃圾箱里。這種技術或許在將來可以應用到亞馬遜、聯邦快遞和其他公司運營的大型倉庫和配送中心。目前，這些工作還是由人類工作者來完成的。

如DeepMind和OpenAI這樣的實驗室要想解決更大的問題，他們可能開始需要大量的計算能力。因為OpenAI的系統在幾個月內通過完成需要多年時間才能完成的45萬多輪游戲學會了玩Dota，這依賴于成千上萬的計算機芯片。Brockman表示光買這些芯片就讓實驗室花費了數百萬美元。

卡內基梅隆大學研究員Devendra Chaplot表示，由各種硅谷大拿，其中包括Khosla Ventures和科技億萬富翁Reid Hoffman在內資助的DeepMind和OpenAI可以負擔得起這些計算能力。但是，學術實驗室和其他小型企業不能。對某些人來說，他們擔心的是那些資金充足的實驗室將主宰人工智能的未來。

但即使是大型實驗室也可能沒有將這些技術轉移到現實世界的復雜性所需的計算能力，因為這可能需要更厲害的人工智能形式——人工智能需要學得更快。雖然機器現在可以在虛擬世界中贏得奪旗游戲，但讓他們在夏令營中開放的場地上贏得游戲仍然無望，并且這將持續相當長一段時間。