雷锋网消息，近期，CMU发布了一篇新的论文，由一作作者Sainbayar Sukhbaatar和Ilya Kostrikov以及Arthur Szlam，Rob Fergus提出了一种新的学习方法，内在驱动学习，或称异步自我学习。论文介绍了该学习方式的优越性，并与RL方法做了比较，显示出了在复杂计算下内在驱动学习的效率类似于或更高于RL方法。本文简要介绍了这种创新方法的原理。
内在驱动学习的原理非常简单好理解，如下图：
论文中使用同一个代理的两个不同版本，并用Alice和Bob形象的对其进行命名。通过Alice和Bob的对抗学习，来实现代理对环境认知的无监督学习。
这种学习方式的实现简单概括为，Alice提出需要Bob实现的任务；并让Bob去实现任务。特别提出的是，这种机制着眼于可回退（或近似可回退）的环境，意味着环境状态允许重置，Alice将会“提出”任务，任务由几个步骤完成。
然后，Bob将会进行部分步骤回退，或某种意义上的对Alice已经完成的部分进行重复。
雷锋网了解到，通过适当的奖励机制，Alice和Bob将会自动的生成一个环境探索课程，从而实现代理的无监督学习。
比如图片中的例子就介绍了在Mazebase任务中实现的自我学习。由Alice提出Bob必须完成的任务。
在这幅图片中，Alice首先捡起了钥匙，开了门后，经过大门，然后关了灯，于是进入到STOP状态。
这时，智能体由Bob管控。Bob需要将环境恢复到初始状态，以获取内部奖励。于是，Bob必须先把灯打开，走过大门，放下钥匙，才能回到Alice的START状态。
这个过程需要Bob去学习环境中所有变量的作用。并且，例子中的钥匙、门、灯和其顺序都只是Alice可设计的诸多任务中的一种，
在内在驱动学习的原理中，Alice可自动产生很多的并且难度逐渐提高的任务。通过这些任务的训练，Bob可以逐渐的并且快速完成学习。当Bob收到一个新的任务的时候，比如走向途中的旗子，由于Bob已经充分认识了环境的情况，他可以很快完成任务并拿到外部奖励。
当使用RL任务来实验这种新的方法时，论文介绍道，内在驱动学习可以大大减少需要学习的内容。
原文链接：https://arxiv.org/pdf/1703.05407.pdf，雷锋网编译
正在生成分享图...
nebula