DeepMind的AI智能體,又來捲自己了!
注意看,這個名叫BBF的傢伙,只用2個小時,就掌握了26款雅達利遊戲,效率和人類相當,超越了自己一眾前輩。
要知道,AI智能體透過強化學習解決問題的效果一直都不錯,但最大的問題就在於這種方式效率很低,需要很長時間摸索。
圖片
而BBF帶來的突破正是在效率方面。
怪不得它的全名可以叫Bigger、Better、Faster。
而且它還能只在單卡上完成訓練,算力要求也降低許多。
BBF由GoogleDeepMind和蒙特婁大學共同提出,目前資料和程式碼都已開源。
最高可取得人類5倍成績
用來評估BBF遊戲表現的數值,叫做IQM。
IQM是多方面遊戲表現的綜合得分,本文中的IQM成績以人類為基準進行了歸一化處理。
經與多個前人成果相比較,BBF在包含26款雅達利遊戲的Atari 100K測試資料集中取得了最高的IQM成績。
並且,在訓練過的26款遊戲中,BBF的成績已經超過人類了。
與表現相似的Eff.Zero相比,BBF消耗的GPU時間縮短了將近一半。
而消耗GPU時間相似的SPR和SR-SPR,效能又和BBF差了一截斷。
圖片
而在重複進行的測驗中,BBF達到某一IQM分數的比例始終保持著較高水準。
甚至有超過總測試次數1/8的運行當中取得了5倍於人類的成績。
圖片
即使加上其他沒有訓練過的雅達利遊戲,BBF也能取得超過人類一半的分數IQM分數。
而如果單獨看未訓練的這29款遊戲,BBF的得分是人類的四至五成。
圖片
以SR-SPR為基礎修改
推動BBF研究的問題是,如何在樣本量稀少的情況下擴展深度強化學習網路。
為了研究這個問題,DeepMind將目光聚焦在了Atari 100K基準上。
但DeepMind很快就發現,單純增大模型規模並不能提升其表現。
圖片
在深度學習模型的設計中,每步驟更新次數(Replay Ratio,RR)是一項重要參數。
具體到雅達利遊戲,RR值越大,模型在遊戲中取得的成績越高。
最終,DeepMind以SR-SPR作為基礎引擎,SR-SPR的RR值最高可達16。
而DeepMind經過綜合考慮,選擇了8作為BBF的RR值。
考慮到部分使用者不願意花費RR=8的運算成本,DeepMind同時開發了RR=2版本的BBF
圖片
- 更高的捲積層重置強度:提高卷積層重置強度可以增加面向隨機目標的擾動幅度,讓模型表現更好並減少損失,BBF的重置強度增加後,擾動幅度從SR-SPR的20%提高到了50%
- 更大的網路規模:將神經網路層數從3層提高至15層,寬度也增加4倍
- #更新範圍(n)縮小:想要提升模型的表現,需要使用非固定的n值。 BBF每4萬個梯度步驟重置一次,每次重置的前1萬個梯度步驟中,n以指數形式從10下降至3,衰減階段佔BBF訓練過程的25%
- 更大的衰減因子(γ):有人發現增大學習過程中的γ值可以提高模型表現,BBF的γ值從傳統的0.97增加到0.997
- 權重衰減:避免過度擬合的出現, BBF的衰減量約為0.1
- 刪除NoisyNet:原始SR-SPR中包含的NoisyNet不能提高模型表現
消融實驗結果表明,在每步更新次數為2和8的條件下,上述因素對BBF的表現均有不同程度的影響。
圖片
其中,硬重置和更新範圍的縮小影響最為顯著。
圖片
而對於上面兩個圖中沒有提到的NoisyNet,對模型表現的影響則並不顯著。
圖片
參考鏈接:[1]https://www.php.cn/link/69b4fa3be19bdf400df34e41b93636a4
[2]https://www.marktechpost.com/2023/06/12/superhuman-performance-on-the-atari-100k-benchmark-the-power-of-bbf-a-new-value -based-rl-agent-from-google-deepmind-mila-and-universite-de-montreal/
— 完 —
以上是兩小時就能超過人類! DeepMind最新AI速通26款雅達利遊戲的詳細內容。更多資訊請關注PHP中文網其他相關文章!

經常使用“ AI-Ready勞動力”一詞,但是在供應鏈行業中確實意味著什麼? 供應鏈管理協會(ASCM)首席執行官安倍·埃什肯納齊(Abe Eshkenazi)表示,它表示能夠評論家的專業人員

分散的AI革命正在悄悄地獲得動力。 本週五在德克薩斯州奧斯汀,Bittensor最終遊戲峰會標誌著一個關鍵時刻,將分散的AI(DEAI)從理論轉變為實際應用。 與閃閃發光的廣告不同

企業AI面臨數據集成挑戰 企業AI的應用面臨一項重大挑戰:構建能夠通過持續學習業務數據來保持準確性和實用性的系統。 NeMo微服務通過創建Nvidia所描述的“數據飛輪”來解決這個問題,允許AI系統通過持續接觸企業信息和用戶互動來保持相關性。 這個新推出的工具包包含五個關鍵微服務: NeMo Customizer 處理大型語言模型的微調,具有更高的訓練吞吐量。 NeMo Evaluator 提供針對自定義基準的AI模型簡化評估。 NeMo Guardrails 實施安全控制,以保持合規性和適當的

AI:藝術與設計的未來畫卷 人工智能(AI)正以前所未有的方式改變藝術與設計領域,其影響已不僅限於業餘愛好者,更深刻地波及專業人士。 AI生成的藝術作品和設計方案正在迅速取代傳統的素材圖片和許多交易性設計活動中的設計師,例如廣告、社交媒體圖片生成和網頁設計。 然而,專業藝術家和設計師也發現AI的實用價值。他們將AI作為輔助工具,探索新的美學可能性,融合不同的風格,創造新穎的視覺效果。 AI幫助藝術家和設計師自動化重複性任務,提出不同的設計元素並提供創意輸入。 AI支持風格遷移,即將一種圖像的風格應用

Zoom最初以其視頻會議平台而聞名,它通過創新使用Agentic AI來引領工作場所革命。 最近與Zoom的CTO XD黃的對話揭示了該公司雄心勃勃的願景。 定義代理AI 黃d

AI會徹底改變教育嗎? 這個問題是促使教育者和利益相關者的認真反思。 AI融入教育既提出了機遇和挑戰。 正如科技Edvocate的馬修·林奇(Matthew Lynch)所指出的那樣

美國科學研究和技術發展或將面臨挑戰,這或許是由於預算削減導致的。據《自然》雜誌報導,2025年1月至3月期間,美國科學家申請海外工作的數量比2024年同期增加了32%。此前一項民意調查顯示,75%的受訪研究人員正在考慮前往歐洲和加拿大尋找工作。 過去幾個月,數百項NIH和NSF的撥款被終止,NIH今年的新撥款減少了約23億美元,下降幅度接近三分之一。洩露的預算提案顯示,特朗普政府正在考慮大幅削減科學機構的預算,削減幅度可能高達50%。 基礎研究領域的動盪也影響了美國的一大優勢:吸引海外人才。 35

Openai推出了強大的GPT-4.1系列:一個專為現實世界應用設計的三種高級語言模型家族。 這種巨大的飛躍提供了更快的響應時間,增強的理解和大幅降低了成本


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具

SublimeText3漢化版
中文版,非常好用

記事本++7.3.1
好用且免費的程式碼編輯器