AIGC動態歡迎閱讀

原標題：通往具身通用智能：如何讓機器從自然模態中學習到世界模型？
關鍵字：智能,任務,模型,層級,能力
文章來源：AI科技評論
內容字數：28097字

內容摘要：

目前的人工智能系統雖然強大，卻常常缺乏人類和動物的常識和靈活推理能力。人工智能研究的最終目標，是讓機器能夠像人類一樣思考、學習并解決各種任務，實現通用具身智能。
本文作者沈馬成博士致力于通用具身智能的研究，他認為，實現通用具身智能的關鍵問題在于，如何使機器學習系統從自然模態中學習到關于世界的結構化層級化抽象，即世界模型（world model）。
本文介紹了基于目前深度學習技術的具身智能研究近年來的進展、面臨的挑戰，并探討了未來可能的改進方向，使得具身智能體能夠在不需要人類幫助的條件下自主學習世界模型并涌現出通用學習能力。
研究領域：通用具身智能，強化學習，世界模型，層級化抽象，涌現沈馬成| 作者
具身智能，通俗來說，是指研究在環境中具有實體的智能體（如現實或仿真環境下的機器人，能夠直接與環境進行物理交互）如何通過與環境的交互來取得認知能力，學習并掌握新技能新知識的一個人工智能的子領域。1主流的具身智能
訓練方法面臨的挑戰在深度學習范式下，具身智能的研究主要集中在模仿學習(Imitation Learning)和強化學習 (Reinforcement Learning, RL) 兩大塊

原文鏈接：通往具身通用智能：如何讓機器從自然模態中學習到世界模型？

聯系作者

文章來源：AI科技評論
作者微信：aitechtalk
作者簡介：雷峰網旗下AI新媒體。聚焦AI前沿研究，關注AI工程落地。