如果任务变成帮人搬椅子,它现在的内部世界就立刻贫乏得不够用。它需要知道哪里可以抓、重量大概多少、轮子有没有锁,甚至要知道人在说“把这把椅子搬到后面”时,什么东西被称作“这把”,哪里算“后面”。
同一个环境,行动目标一变,需要保存的结构也跟着变。
原既白听得越来越慢。
高中时期他理解一个复杂系统时,最自然的方法是先寻找更高层结构。一旦那个结构足够好,底下很多细节会被统一解释。这种能力让他在数学和算法里走得很快,也让他在交通项目第一天就本能地想先设计完整数据模型。现在讲台上的老师却从另一端不断逼他:一个内部结构再优雅,如果没有保留行动真正依赖的东西,它只是漂亮。
第二位讲者来自计算机系,年纪更大一些。
他上台以后没有继续演示机器人,而是放了一张很简单的图:左边“环境”,中间“智能体”,右边又回到“环境”,箭头构成一个环。环境给感知,智能体采取行动,行动改变环境,新的环境再产生新的感知。
“你们很多人过去接触机器学习,”他说,“会天然想到先有一份数据,再训练一个模型。”
原既白确实如此。
“可一个真正生活在世界里的系统,数据从哪来?”
老师没有等回答。
“很多数据,是它自己做出来的。”
屏幕出现一个机械臂摸不同物体的视频。第一次抓一个软袋时,它夹得太紧,袋子滑出去;第二次减小力度,却抓不起来;第三次换了接触位置。每一次失败都不只是训练集里新增一行记录,而是系统通过自己的动作改变了下一次能获得什么信息。
老师暂停视频:“如果它永远不碰,只看照片,能不能知道这个袋子软不软?”
有人说可以从视觉估计。
“估计当然可以。那如果照片里从没出现过这种材料?”
下面没人答。
老师又放了一段婴儿伸手碰桌上杯子的短视频。没有声音,只有一只小手反复把杯子往前推,杯子第一次没倒,第二次转了一点,第三次掉下桌面。老师没有把婴儿和机器粗暴等同,只说一件很朴素的事:很多关于世界的知识,不是旁观得到的,而是在行动中被验证。视觉告诉你“像什么”,动作会逐渐告诉你“它会怎样”。
原既白脑子里突然出现一个问题。
如果一个模型只从别人留下的数据里学习,它理解的是
…。。本站若有图片广告属于第三方接入,非本站所为,广告内容与本站无关,不代表本站立场,请谨慎阅读。
Copyright © 2020 词令书屋 All Rights Reserved.kk