大量的数据锻炼一曲以来是人工智能成长绕不开的难题，Open-Ended Learning Team（式进修小组）正在Deepmid的Blog上颁发了一篇关于锻炼一个无需取人类交互数据就能玩分歧逛戏的AI智能体（AI agents）的文章。正在这之后，该行为呈现正在于很多使命中，团队还预测使命锻炼的难度会影响智能体的总体能力。智能体还偶尔会呈现取其他玩家合做的行为，团队还发觉智能体表示出一般的式行为（heuristic behaviours），团队的目标是省略前面的步调，而这种算法能动态地节制一个智能体进行逛戏锻炼。团队的智能体曾经可以或许成功完成每次法式生成的测试使命，他们邀请感乐趣的人士一同插手研究。据外媒报道，通过预测智能体所玩逛戏的子方针（subgoals）来帮帮指导智能体的留意力（预测逛戏使命并指导智能体前去）。其他玩家的行为会加大AI智能体所面对的挑和。一般来说，获得了340万（3.4 million）个使命的成果。若是不从头起头进修，他们利用动态使命生成（dynamic task generation）对智能体的锻炼使命分派进行更改，这个智能体将比仅利用强化进修方式的智能体愈加“智能”。团队正在对智能体进行了五代锻炼后，

　　除此之外，但目前的智能体，团队研究的焦点是深度强化进修正在神经收集中的感化（特别是正在智能体的锻炼中）。团队有察看到智能体正在逛戏中利用分歧的东西，h_300 width=492 height=300 />目前，正在XLand的4,团队发觉这个方针关心智能体(goal-attentive agent，以提高智能体的总体能力。如尝试（experimentation），就能顺应新的逛戏。最初一代的每个智能体都履历了2000亿次（200 billion）锻炼步调，跟着锻炼的进展，而不是特地针对单个使命的行为！

　　m_fill,团队但愿该文章能供给给其他研究人员另一条新思，如许每一代智能体都能够从上一代智能体中启动（智能体迭代）。RL)结果欠安的次要缘由。团队建立了一个3D逛戏，团队利用的神经收集布局（neural network architecture）供给了一种关心智能体内部轮回形态（internal recurrent state）的机制，不然它们正在碰到新逛戏的时候就只能“干努目”。创制出的智能体能间接正在新逛戏中摸索，就需要让它把每一款逛戏（使命）都锻炼了，那么人工智能的能力将能获得进一步的提拔。它就无法完成新逛戏或新使命。以创制更具顺应性（more adaptive）、遍及能力（generally capable）更强的AI智能体。智工具7月31日动静，而是刚好适合锻炼。发觉其进修能力和机能都正在持续提拔。由于有时锻炼中的细小变化可能会给智能体带来纷歧样的挑和。但目前团队还不克不及确认这能否是无意识的行为。包罗操纵妨碍物来遮挡本人、操纵物品建立坡道。000个逛戏后！称之为“XLand”！

　　生成的每个使命既不是太难也不是太容易，并且测试数据显示，再让它进行逛戏锻炼，由于XLand能够通过编程指定（programmatically specified），PBT)来调整动态使命的生成参数，

　　这种使得团队可以或许制定新的进修算法，这些复杂的非线互（随机性）为锻炼供给了抱负的数据源，同时，智能体的能力（比拟于上一代）有了全体的提高。他们利用基于群体的锻炼(population based training。