為了理解實現(xiàn)讓機器人做夢的重要性，先要理解做夢對哺乳動物（例如我們自己的）大腦是幫助的?？茖W家試著從神經(jīng)科學的角度理解做夢的作用時，發(fā)現(xiàn)做夢的大部分內容都是消極或有威脅感的，可以嘗試做一個月的做夢日記，你會發(fā)現(xiàn)這是真的。

事實證明，當人類夢到尷尬的事情或有威脅出現(xiàn)時，AI夢到的卻還是重新排列游戲的各個章節(jié)，過程往復，但引導機器人做夢實質是讓AI像人類那樣可以通過實驗不斷學習。利用AI技術引導機器人做實驗并分析不同的行為過程，以及對結果產(chǎn)生的影響。

通過AI“做夢”的方法快照（圖片由Deepmind提供）

那么機器人可能面臨的挑戰(zhàn)是什么？目前，世界上最先進的AI也只停留在主攻復雜的視頻游戲，如星際爭霸II和迷宮。通過“做夢”，AI能突出游戲某些特別有挑戰(zhàn)性的部分，循環(huán)往復直到獲得專業(yè)知識，而不是毫無意義地排練游戲的整個過程卻對玩家的分數(shù)沒有絲毫影響。使用這種技術，DeepMind研究人員能夠實現(xiàn)以10倍的速度加快的學習效率。隨著AI技術的提升，這個速度可能會更快。

你可能還會問，為什么AI“做夢”很有必要。因為機器人已經(jīng)在大多數(shù)游戲中（如國際象棋和圍棋游戲）掌控人類行為。要掌握這一點，有必要區(qū)分使用監(jiān)督學習（通過AI分析數(shù)據(jù)并尋找相應模式）與無監(jiān)督學習的方法。迄今為止，通過AI實現(xiàn)且令人印象深刻的技術，大部分是使用監(jiān)督學習法來實現(xiàn)的，由程序員提供“訓練數(shù)據(jù)”，AI學習檢測數(shù)據(jù)模式。這是一個相當簡單的訓練機器人的方法，但決不是人類學習的方法。而是使用一種更類似于程序員所說的無監(jiān)督學習法，這種類型的學習比監(jiān)督學習要花費更多的時間，因為它涉及實驗等一系列變量的存在。

zhangnn