盖世汽车讯 从机器东说念主时代、医学再到政事学巨乳 露出，各个鸿沟齐在尝试熟练东说念主工智能（AI）系统作念出多样有意思意思的决策。举例，在拥挤的城市中使用AI系统智能限度交通，不错匡助驾车者更快到达指标地，同期提高安全性或可捏续性。
（图片起原：麻省理工学院）
然则，教AI系统作念出正确的决策并非易事。这些AI决策系统的基础是强化学习模子，当被熟练奉行的任务出现哪怕很小的变化时，它们仍然无为失败。以交通为例，一个模子可能难以限度一组交叉路口（具有不同的速率限制、车说念数目或交通形式）。
据外媒报说念，为了提高强化学习模子的可靠性，以应答具有可变性的复杂任务，麻省理工学院（MIT）的询查东说念主员引入一种更灵验的算法来熟练它们。
该算法政策性采用最好任务来熟练AI代理，以使其粗略灵验奉行相关任务蚁纠合的总计任务。在进行交通讯号限度的情况下巨乳 露出，每个任务不错是任务空间（包括城市中的总计交叉路口）中的一个交叉口。
通过关爱最有意于算法合座灵验性的少数交叉路口，该步调不错充分提高性能，同期保捏低熟练资本。询查东说念主员发现，在一系列仿真任务中，这种时代比圭臬步调的成果高5-50倍。这有助于该算法以更快的面容学习更好的搞定有盘算，最终提高AI代理的性能。询查东说念主员Cathy Wu暗示：“通过跳出框框念念考，使用至极简便的算法，咱们看到惊东说念主的性能升迁。社区更可能接受不太复杂的算法，因为它更容易实施，也更容易被其他东说念主联接。”
寻找中间采用
为了熟练一种算法来限度城市中多个交叉路口的交通讯号灯，询查东说念主员无为会在两种主要步调之间作念出采用，包括为每个路口单独熟练一种算法（只使用该路口的数据）；或者使用总计路口的数据来熟练更大的算法，然后将其应用于每个路口。但每种步调齐存在舛错。针对每项任务（举例给定交叉路口）熟练单独的算法是一个耗时的历程，需要广宽的数据和狡计，而为总计任务熟练一种算法无为会导致性能欠安。
在这项询查中，Wu等东说念主在这两种步调之间寻找最好均衡点。关于他们的步调，他们采用任务子集，并为每个任务单独熟练算法。繁重的是，询查东说念主员政策性地采用最有可能提高算法在总计任务上合座性能的单个任务。
询查东说念主员欺诈强化学习鸿沟的常见手段——即零样本迁徙学习，行将也曾熟练好的模子应用于新任务，而无需进一步熟练。通过迁徙学习，模子无为在新的相邻任务上证据出色。Wu暗示：“咱们知说念在总计任务上进行熟练是最好的。但咱们想知说念，咱们是否不错在这些任务子集上进行熟练，将这些收尾应用到总计任务上，并仍不错看到性能升迁。”
为了详情应该采用哪些任务来最大化预期性能，询查东说念主员诞生出名为模子基编削学习（MBTL）的算法。MBTL算法分为两部分。领先，它模拟每个算法在一项任务上落寞熟练时的证据。然后，它对每个算法的性能在编削至另一任务时会裁减的进度进行建模，这个主张被称为泛化性能。
受益于显式建模泛化性能，MBTL粗略评估在新任务上进行熟练的价值。MBTL按律例奉行这一操作，领先采用粗略带来最高性能增益的任务，然后采用粗略为总体性能提供最大后续旯旮雠校的特别任务。MBTL仅关爱最富余远景的任务，因此粗略彰着提高熟练历程的成果。
裁减熟练资本
当询查东说念主员在仿真任务中测试这种时代时，包括限度交通讯号、料理及时速率示知，以及奉行多少惯例限度任务，它的成果是其他步调的5-50倍。
这意味着询查东说念主员不错通过熟练更少的数据取得疏导的搞定有盘算。举例，MBTL算法的成果提高了50倍，仅在两个任务上进行熟练，就不错罢了与使用100个任务数据的圭臬步调疏导的性能。Wu暗示：“从两种主要步调的角度来看，这意味着其他98个任务的数据是不消要的，或者在一起100个任务上进行熟练会混浊算法，是以最终性能比咱们的更差。”
使用MBTL，即使极少增多特别熟练时候，也不错带来更好的证据。改日，询查东说念主员计算假想不错彭胀至更复杂问题（如高维任务空间）的MBTL算法。他们还感兴味的是，将这种步调应用于本质全国问题巨乳 露出，特别是鄙人一代出动出行系统中。
