OpenAI推出一对虚拟机械臂，可通过相互训练变得

近日，OpenAI研发出两个名为爱丽丝和鲍勃的虚拟机械臂，它们的自我对弈学习旅程引人注目。不同于常规的人工智能训练方式，这两个机械臂通过对弈互相学习，而无需人为输入文本。

在模拟情景中，爱丽丝和鲍勃这两位学习伙伴展现出了令人惊叹的能力。其中一个机械臂已经学会了解决各种难题，包括堆积木、摆放桌子和排列国际象棋棋子等，且每项任务都不需再训练。这一成就的实现，全赖它与另一个机械臂之间的对弈互动。在游戏的进程中，鲍勃不断向爱丽丝发起挑战，使她面对越来越难的谜题，从而促使她不断成长与进步。

这些机器人的背后，采用的是强化学习算法。它们通过试错来训练人工智能，并采取行动以达成目标。例如，在虚拟桌面上移动物体的游戏，爱丽丝会尝试以特定方式排列物体，设置对鲍勃来说极具挑战性的谜题。而鲍勃则努力解决这些谜题，随着它们的学习过程，爱丽丝设置的谜题越来越复杂，而鲍勃的解谜能力也越来越强。

值得注意的是，经过爱丽丝设置的积木谜题的训练后，鲍勃能够通用于一系列任务，包括摆放桌子和排列象棋棋子等。这标志着人工智能在多重任务处理方面的重大突破。通常，学习模型需要在任务间进行再训练。OpenAI的研究人员通过让爱丽丝为鲍勃生成例子，用一个AI训练另一个AI的方式，成功地避免了这个问题。通过这种方式，爱丽丝学会了设定目标，如建造一座积木塔并尝试保持其平衡，而鲍勃则学会了利用虚拟环境的属性来完成任务。

目前，这些训练仍在虚拟环境中进行，但OpenAI和其他机构的研究人员正在积极将虚拟环境中训练的模型转移到物理环境中。模拟环境让AI能够在短时间内处理大量数据，然后研究人员会根据现实世界的环境对其进行微调。该团队的研究人员表示，他们的最终目标是训练这些机械臂去完成人类可能要求的任何任务。与GPT-3一样，这些机器人手臂是OpenAI打造多任务人工智能整体目标的一部分。使用自我对弈的方式训练AI也许是其中的关键所在。这种新颖的AI训练方法不仅为人工智能的发展开辟了新的道路，也为未来更通用的人工智能的实现提供了可能性。

通过自我对弈的方式训练AI技术正处于不断发展的阶段。虽然目前仍然面临许多挑战和未知领域需要，但OpenAI的研究成果已经显示出巨大的潜力。我们期待看到这一领域在未来带来更多令人兴奋的突破和创新。