從機器人到醫(yī)學(xué)到政治學(xué)，各領(lǐng)域都在嘗試訓(xùn)練 AI 系統(tǒng)做出有意義的決策。
例如，利用 AI 系統(tǒng)智能控制擁堵城市的交通，不僅可以幫助駕駛員更快到達(dá)目的地，還能提升安全性或可持續(xù)性。然而，教 AI 系統(tǒng)做出良好決策絕非易事。
支撐這些 AI 決策系統(tǒng)的強化學(xué)習(xí)模型在面對任務(wù)中的細(xì)微變化時，往往仍然會失敗。以交通為例，當(dāng)模型面對具有不同車速限制、車道數(shù)量或交通模式的路口時，可能難以有效控制。
為提升強化學(xué)習(xí)模型在具有多樣性的復(fù)雜任務(wù)中的可靠性，MIT 研究人員引入了一種更高效的訓(xùn)練算法。
該算法通過戰(zhàn)略性選擇最佳訓(xùn)練任務(wù)，使 AI 智能體能夠高效完成一組相關(guān)任務(wù)集合中的所有任務(wù)。以交通信號控制為例，每個任務(wù)可以視為一個路口，而任務(wù)空間則包含整個城市中的所有路口。
通過專注于對算法整體效果貢獻(xiàn)最大的少數(shù)路口，該方法在提高性能的同時，顯著降低了訓(xùn)練成本。
研究人員發(fā)現(xiàn)，在一系列模擬任務(wù)中，該技術(shù)比標(biāo)準(zhǔn)方法高效 5 到 50 倍。這種效率提升使算法能夠更快地學(xué)習(xí)到更優(yōu)的解決方案，最終改善 AI 智能體的表現(xiàn)。
“通過一種非常簡單的算法，我們看到了驚人的性能提升。這種不復(fù)雜的算法更容易被社區(qū)接受，因為它的實現(xiàn)和理解都更簡單，”論文資深作者、MIT 土木與環(huán)境工程系（CEE）和數(shù)據(jù)系統(tǒng)與社會研究所（IDSS）Thomas D. and Virginia W. Cabot 職業(yè)發(fā)展副教授、信息與決策系統(tǒng)實驗室（LIDS）成員 Cathy Wu 說。
該論文的主要作者是 CEE 研究生 Jung-Hoon Cho，參與作者包括電氣工程與計算機科學(xué)系（EECS）研究生 Vindula Jayawardana，以及 IDSS 研究生 Sirui Li。此研究將在神經(jīng)信息處理系統(tǒng)會議NeurIPS上發(fā)表。
尋找折中之道
在為城市多個路口的交通信號燈設(shè)計控制算法時，工程師通常會在兩種主要方法中進行選擇：要么為每個路口單獨訓(xùn)練一個算法，僅使用該路口的數(shù)據(jù)；要么使用所有路口的數(shù)據(jù)訓(xùn)練一個更大的算法，然后將其應(yīng)用于每個路口。
然而，這兩種方法各有缺陷。為每個任務(wù)（如一個特定路口）單獨訓(xùn)練算法需要耗費大量時間、數(shù)據(jù)和計算資源；而為所有任務(wù)訓(xùn)練一個通用算法往往會導(dǎo)致表現(xiàn)不佳。
Cathy Wu 及其合作者試圖在這兩種方法之間找到平衡點。
在他們的方法中，研究團隊選擇了一部分任務(wù)，為每個任務(wù)獨立訓(xùn)練一個算法。關(guān)鍵在于，他們會策略性地選擇最有可能提升整體任務(wù)表現(xiàn)的單個任務(wù)。
他們借助強化學(xué)習(xí)領(lǐng)域的一個常用技巧——零樣本遷移學(xué)習(xí)（zero-shot transfer learning）。這種方法將已訓(xùn)練好的模型直接應(yīng)用于一個新的任務(wù)，而無需進一步訓(xùn)練。通過遷移學(xué)習(xí)，模型往往在新任務(wù)上表現(xiàn)出色，尤其是與原任務(wù)相似的鄰近任務(wù)。
“我們知道理想情況下應(yīng)該對所有任務(wù)進行訓(xùn)練，但我們好奇是否可以僅對一部分任務(wù)進行訓(xùn)練，并將結(jié)果應(yīng)用于所有任務(wù)，同時仍能看到性能的提升?！盬u 說道。
為確定哪些任務(wù)最值得選擇以最大化整體表現(xiàn)，研究人員開發(fā)了一種名為基于模型的遷移學(xué)習(xí)（Model-Based Transfer Learning, MBTL）的算法。
MBTL 算法由兩部分組成：首先，它會模擬每個算法在單個任務(wù)上的獨立訓(xùn)練表現(xiàn)。其次，它會模擬將每個算法遷移到其他任務(wù)時性能的下降情況，即所謂的泛化性能（generalization performance）。
通過明確建模泛化性能，MBTL 可以估算出對新任務(wù)進行訓(xùn)練的價值。
MBTL 按順序進行操作，優(yōu)先選擇帶來最高性能增益的任務(wù)進行訓(xùn)練，然后依次選擇能夠提供最大邊際性能提升的任務(wù)。
由于 MBTL 僅專注于最有潛力的任務(wù)，這種方法可以顯著提高訓(xùn)練過程的效率。
當(dāng)研究人員將這一技術(shù)應(yīng)用于模擬任務(wù)時，包括控制交通信號、管理實時速度建議以及執(zhí)行多個經(jīng)典控制任務(wù)，該方法的效率比其他方法高出 5 到 50 倍。
這意味著，他們可以使用更少的數(shù)據(jù)量達(dá)到相同的解決方案。例如，在效率提高 50 倍的情況下，MBTL 算法只需針對 2 個任務(wù)進行訓(xùn)練，就能達(dá)到標(biāo)準(zhǔn)方法需要 100 個任務(wù)數(shù)據(jù)才能實現(xiàn)的同等性能。
“從兩種主要方法的角度來看，這意味著其他 98 個任務(wù)的數(shù)據(jù)并非必要，或者對所有 100 個任務(wù)進行訓(xùn)練會讓算法感到混淆，從而導(dǎo)致性能比我們的方法更差?！盬u 說。
使用 MBTL，即使只增加少量額外的訓(xùn)練時間，也可能顯著提高性能。
未來，研究人員計劃設(shè)計能夠擴展到更復(fù)雜問題的 MBTL 算法，例如高維任務(wù)空間。他們還希望將這一方法應(yīng)用于現(xiàn)實世界的問題，尤其是在下一代移動系統(tǒng)中。
該研究部分由美國國家科學(xué)基金會職業(yè)獎（National Science Foundation CAREER Award）、冠廷教育基金會博士獎學(xué)金計劃（Kwanjeong Educational Foundation PhD Scholarship Program）以及亞馬遜機器人博士獎學(xué)金（Amazon Robotics PhD Fellowship）資助。
https://news.mit.edu/2024/mit-researchers-develop-efficiency-training-more-reliable-ai-agents-1122
熱門跟貼