通往具身通用智能：如何讓機(jī)器從自然模態(tài)中學(xué)習(xí)到世界模型？

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：通往具身通用智能：如何讓機(jī)器從自然模態(tài)中學(xué)習(xí)到世界模型？
關(guān)鍵字：智能,任務(wù),模型,層級(jí),能力
文章來(lái)源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：28097字

內(nèi)容摘要：

目前的人工智能系統(tǒng)雖然強(qiáng)大，卻常常缺乏人類和動(dòng)物的常識(shí)和靈活推理能力。人工智能研究的最終目標(biāo)，是讓機(jī)器能夠像人類一樣思考、學(xué)習(xí)并解決各種任務(wù)，實(shí)現(xiàn)通用具身智能。
本文作者沈馬成博士致力于通用具身智能的研究，他認(rèn)為，實(shí)現(xiàn)通用具身智能的關(guān)鍵問題在于，如何使機(jī)器學(xué)習(xí)系統(tǒng)從自然模態(tài)中學(xué)習(xí)到關(guān)于世界的結(jié)構(gòu)化層級(jí)化抽象，即世界模型（world model）。
本文介紹了基于目前深度學(xué)習(xí)技術(shù)的具身智能研究近年來(lái)的進(jìn)展、面臨的挑戰(zhàn)，并探討了未來(lái)可能的改進(jìn)方向，使得具身智能體能夠在不需要人類幫助的條件下自主學(xué)習(xí)世界模型并涌現(xiàn)出通用學(xué)習(xí)能力。
研究領(lǐng)域：通用具身智能，強(qiáng)化學(xué)習(xí)，世界模型，層級(jí)化抽象，涌現(xiàn)沈馬成| 作者
具身智能，通俗來(lái)說(shuō)，是指研究在環(huán)境中具有實(shí)體的智能體（如現(xiàn)實(shí)或仿真環(huán)境下的機(jī)器人，能夠直接與環(huán)境進(jìn)行物理交互）如何通過與環(huán)境的交互來(lái)取得認(rèn)知能力，學(xué)習(xí)并掌握新技能新知識(shí)的一個(gè)人工智能的子領(lǐng)域。1主流的具身智能
訓(xùn)練方法面臨的挑戰(zhàn)在深度學(xué)習(xí)范式下，具身智能的研究主要集中在模仿學(xué)習(xí)(Imitation Learning)和強(qiáng)化學(xué)習(xí) (Reinforcement Learning, RL) 兩大塊

原文鏈接：通往具身通用智能：如何讓機(jī)器從自然模態(tài)中學(xué)習(xí)到世界模型？

聯(lián)系作者

文章來(lái)源：AI科技評(píng)論
作者微信：aitechtalk
作者簡(jiǎn)介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。