AI界的七大未解之谜：OpenAI丢出一组AI研究课题

今天，OpenAI在官方博客上丢出了7个研究过程中发现的未解决问题。

OpenAI希望这些问题能够成为新手入坑AI的一种有趣而有意义的方式，也帮助从业者提升技能。

OpenAI版AI界七大未解之谜，现在正式揭晓——

1. Slitherin

难度指数：☆☆

实现并解决贪吃蛇的多玩家版克隆作为Gym环境。

环境：场地很大，里面有多条蛇，蛇通过吃随机出现的水果生长，一条蛇在与另一条蛇、自己或墙壁相撞时即死亡，当所有的蛇都死了，游戏结束。

智能体：使用自己选择的自我对弈的RL算法解决环境问题。你需要尝试各种方法克服自我对弈的不稳定性。

检查学习行为：智能体是否学会了适时捕捉食物并避开其他蛇类？是否学会了攻击、陷害、或者联合起来对付竞争对手？

2. 分布式强化学习中的参数平均

难度指数：☆☆☆

这指的是探究参数平均方案对RL算法中样本复杂度和通信量影响。一种简单的解决方法是平均每个更新的每个worker的梯度，但也可以通过独立地更新worker、减少平均参数节省通信带宽。

这样做还有一个好处：在任何给定的时间内，我们都有不同参数的智能体，可能出现更好的探测行为。另一种可能是使用EASGD这样的算法，它可以在每次更新时将参数部分结合在一起。

3. 通过生成模型完成的不同游戏中的迁移学习

难度指数：☆☆☆

这个流程如下：

训练11个Atari游戏的策略。从每个游戏的策略中，生成1万个轨迹，每个轨迹包含1000步行动。

将一个生成模型（如论文Attention Is All You Need提出的Transformer）与10个游戏产生的轨迹相匹配。

然后，在第11场比赛中微调上述模型。

你的目标是量化10场比赛预训练时的好处。这个模型需要什么程度的训练才能发挥作用？当第11个游戏的数据量减少10x时，效果的大小如何变化？如果缩小100x呢？

4. 线性注意Transformer

难度指数：☆☆☆

Transformer模型使用的是softmax中的软注意力（soft attention）。如果可以使用线性注意力（linear attention），我们就能将得到的模型用于强化学习。

具体来说，在复杂环境下使用Transformer部署RL不切实际，但运行一个具有快速权重（fast weight）的RNN可行。

你的目标是接受任何语言建模任务，训练Transformer，然后找到一种在不增加参数总数情况下，用具有不同超参数的线性注意Transformer获取每个字符/字的相同位元的方法。

先给你泼盆冷水：这可能是无法实现的。再给你一个潜在的有用提示，与使用softmax注意力相比，线性注意转化器很可能需要更高的维度key/value向量，这能在不显著增加参数数量的情况下完成。

5. 已学习数据的扩充

难度指数：☆☆☆

可以用学习过的数据VAE执行“已学习数据的扩充”。

我们首先可能需要在输入数据上训练一个VAE，然后将每个训练点编码到一个潜在的空间，之后在其中应用一个简单（如高斯）扰动，最后解码回到观察的空间。用这种方法是否能得到更好的泛化，目前还是一个谜题。

这种数据扩充的一个潜在优势是，它可能包含视角变换、场景光纤变化等很多非线性转换。

6. 强化学习中的正则化

难度指数：☆☆☆☆

这指的是实验性研究和定性解释不同正则化方法对RL算法的影响。

在监督学习中，正则化对于优化模型和防止过拟合具有极其重要的意义，其中包含一些效果很赞的方法，如dropout、批标准化和L2正则化等。

然而，在策略梯度和Q-learning等强化学习算法上，研究人员还没有找到合适的正则化方法。顺便说一下，人们在RL中使用的模型要比在监督学习中使用的模型小得多，因为大模型表现更差。

这儿有一篇老论文供参考：
http://sologen.net/papers/RegularizationInReinforcementLearning(PhD-Dissertation-Farahmand).pdf

7. Olympiad Inequality问题的自动解决方案

难度指数：☆☆☆☆☆

Olympiad Inequality问题很容易表达，但解决这个问题往往需要巧妙的手法。

建立一个关于Olympiad Inequality问题的数据集，编写一个可以解决大部分问题的程序。目前还不清楚机器学习在这里是否有用，但你可以用一个学习的策略减少分支因素。

最后，附OpenAI原贴地址：

https://blog.openai.com/requests-for-research-2/

转载声明：本文转载自「量子位」，搜索「QbitAI」即可关注。

推荐阅读

乌镇峰会：人工智能的主场

尼克谈人工智能的历史、现实与未来