根據《自然》最新發表的一項研究，一類增強學習算法在雅達利經典游戲中的得分超過了人類玩家和已有的人工智能系統。這類算法被統稱為Go-Explore，它改善了對復雜環境的探索方式，或有望朝著實現真正智能學習體邁出重要一步。

增強學習可以讓人工智能系統通過探索和理解復雜環境來進行決策，并學習如何以最優的方式獲得獎勵。然而，當遇到很少給予反饋的復雜環境時，目前的加強學習算法似乎很容易碰壁。

但Go-Explore突破了這些障礙。它可以對環境進行全面探索，同時構建一個檔案庫來記住它去過的地方，確保自己不會忘記通往有望成功的中期階段或是最終勝利（獎勵）的路線。

利用這類算法，論文作者解決了之前未能解決的2600個雅達利游戲，驗證了這類算法的潛力。作者指出，記住并回到有望成功的探索區域的簡單原則，是一種強大、通用的探索方法。他們認為論文所報道的算法有望應用于機器人、語言理解和藥物設計。
責任編輯：YYX