計算機已經在國際象棋和“危險！”中擊敗了人類，現在他們可以在帽子上增加一根羽毛：在幾個經典的街機遊戲中最好人類的能力。
Google的一個科學家團隊創建了一個人工智能的計算機程序，可以教會自己玩Atari 2600視頻遊戲，僅使用最小的背景信息來學習如何玩遊戲。
研究人員今天（2月25日）（2月25日）在《自然》雜誌上報導，通過模仿人腦的一些原理，該計劃能夠與專業人類游戲玩家或更好的大多數遊戲中玩耍。 [超級智能機器：7機器人期貨這是給出的
這是任何人第一次建造人工智慧（AI）可以在倫敦Google Deepmind的AI研究人員Demis Hassabis的合著者Demis Hassabis研究合著者Demis Hassabis上（AI）的系統。
該AI程序的未來版本可用於更一般的決策應用程序，無人駕駛汽車哈薩比斯說，要進行天氣預測。
通過加強學習
人類和其他動物通過加強來學習 - 從事最大程度的回報的行為。例如，愉快的經歷使大腦釋放化學神經遞質多巴胺。但是，為了在復雜的世界中學習，大腦必須從感官中解釋意見，並使用這些信號來概括過去的經驗並將其應用於新情況。
當IBM的深藍色計算機在1997年擊敗國際象棋大師Garry Kasparov時，人工智能的沃森計算機贏得了測驗節目“ Jeopardy！”哈薩比斯說，在2011年，這些被認為是令人印象深刻的技術壯舉，但主要是預編程的能力。相比之下，新的DeepMind AI能夠使用加固自身學習。
為了製定新的AI計劃，Hassabis及其同事創建了一個基於人工神經網絡”深度學習，“一種機器學習算法，逐漸構建了原始數據的更抽象的表示。（Google著名地使用深度學習來訓練計算機網絡以基於數百萬YouTube視頻識別貓，但是這種類型的算法實際上參與了許多Google產品，從搜索到翻譯。）
新的AI程序稱為“ Deep Q-Network”或DQN，它在常規台式計算機上運行。
玩遊戲
研究人員在49場經典Atari 2600遊戲中測試了DQN，例如“ Pong”和“ Space Invaders”。有關該程序收到的遊戲的唯一信息是屏幕上的像素和遊戲分數。 [查看Google AI玩視頻遊戲的視頻這是給出的
“該系統學會通過基本上按鍵隨機按鍵來播放”，以取得很高的成績，研究合著者Volodymyr Mnih也是Google DeepMind的研究科學家。
研究人員說，經過幾週的培訓，DQN和專業人類游戲玩家在許多遊戲中都表現出色，從側滾動射手到3D賽車比賽。他們補充說，AI計劃在一半以上的比賽中得分的75％。
有時，DQN發現了研究人員甚至沒有想到的遊戲策略，例如，在遊戲“ Seaquest”中，玩家控制著潛艇，必須避免，收集或破壞不同深度的物體。研究人員說，AI計劃發現，只需將潛艇放在地面以下，就可以保持生命。
更複雜的任務
DQN還利用了另一個功能人的大腦：記住過去的經歷並重播它們以指導動作的能力（在稱為海馬的海馬形大腦區域發生的過程）。同樣，DQN從其經驗中存儲了“回憶”，並將其送回了遊戲期間的決策過程。
但是人類的大腦並不記得所有的經歷。他們有偏見是要記住更多充滿情感的事件，這可能更重要。研究人員說，DQN的未來版本應納入這種偏見的記憶。
既然他們的計劃已經掌握了Atari遊戲，那麼科學家就開始在90年代（例如3D賽車遊戲）上對其進行測試。哈薩比斯說：“最終，如果這種算法可以在賽車比賽中進行賽車比賽，並進行額外的調整，它應該能夠駕駛真正的汽車。”
此外，AI計劃的未來版本可能能夠做一些事情，例如計劃前往歐洲的旅行，預訂所有航班和酒店。但是，哈薩比斯說：“但是我們最興奮地使用AI來幫助我們做科學。”
關注Tanya Lewis上嘰嘰喳喳。跟著我們@livescience，，，，Facebook和Google+。原始文章現場科學。
