之前，我們也報導過不少有關人工智能（AI）的新聞。不過，大多數都是關於AI應用在日常生活的情況，例如：醫療用的合成掃描、語言翻譯或者訓練機械人各種人類行為等。但最近，外國一家AI公司—OpenAI發現，讓AI來玩遊戲，表現也是相當驚人。
由Elon Musk、Reid Hoffman和Peter Thiel以及其他技術名人提供支持的非牟利AI公司OpenAI發表了一份研究論文，指AI在復古遊戲Montezuma’s Revenge的表現，十分驚人。在整個遊戲的24個房間中，AI在其中的22個房間的得分都排名第一。而今年6月，由OpenAI開發的機器人也在擊敗了Dota 2 上厲害的玩家團隊。
OpenAI表示，是次在Montezuma’s Revenge上的挑戰並沒有外界想像的那麼容易。因為Montezuma’s Revenge對於現時的Machine－Learning演算法來說，難度可謂是非常高。Montezuma’s Revenge這個遊戲過去也擊敗了Google旗下的AI公司DeepMind。
OpenAI是次的成功的原因，完全歸功於自家的RND（Random Network Distillation）。RND是被設計成可用於任何強化學習算法上，如使用獎勵和懲罰系統去驅動AI的模型。
以前，AI agent會從他們的經驗去預測下一個模型，並將預測的誤差用作內在獎勵。而RND則不同，RND引入獎勵模式，該獎勵是基於預測的下一狀態，固定和隨機初始化神經網絡的輸出。
在整個運作過程中，AI只是隨機地玩Montezuma’s Revenge，之後通過反複試驗去改進戰略。由於RND組件是被激勵去探索AI可能沒有到過的遊戲區域，所以即使沒有明確的指令也能實現遊戲的目標。
另外，RND也解決了強化學習方案中的另一個常見問題：所謂的噪聲電視問題，其中AI可能會卡在隨機數據中尋找模式（如電視上的靜態）。
除了攻破遊戲之外，OpenAI還掌握了許多AI的發展。去年，OpenAI開發了一種軟件，通過隨機化模擬場景中的顏色、光照條件、紋理和相機設置，為神經網絡生成高質量數據集。 而在今年2月，它發布了Hindsight Experience Replay（HER），這是一種開源演算法，有效地幫助機器人從失敗中吸取教訓。在在7月，OpenAI更推出了一個系統，指導機器人手掌握和操作具有最先進精度的物體。
資料來源：Venturebeat
這篇文章 OpenAI 來玩遊戲：在 Montezuma’s Revenge 上的表現完勝人類 最早出現於 TechApple.com。