聲明:本文來自于微信公眾號 量子位（ID:QbitAI），作者:明敏 克雷西，授權(quán)站長之家轉(zhuǎn)載發(fā)布。

DeepMind的AI智能體，又來卷自己了!

注意看，這個名叫BBF的家伙，只用2個小時，就掌握了26款雅達(dá)利游戲，效率和人類相當(dāng)，超越了自己一眾前輩。

要知道，AI智能體通過強(qiáng)化學(xué)習(xí)解決問題的效果一直都不錯，但最大的問題就在于這種方式效率很低，需要很長時間摸索。

而BBF帶來的突破正是在效率方面。

怪不得它的全名可以叫Bigger、Better、Faster。

而且它還能只在單卡上完成訓(xùn)練，算力要求也降低許多。

BBF由谷歌DeepMind和蒙特利爾大學(xué)共同提出，目前數(shù)據(jù)和代碼均已開源。

最高可取得人類5倍成績

用于評價BBF游戲表現(xiàn)的數(shù)值，叫做IQM。

IQM是多方面游戲表現(xiàn)的綜合得分，本文中的IQM成績以人類為基準(zhǔn)進(jìn)行了歸一化處理。

經(jīng)與多個前人成果相比較，BBF在包含26款雅達(dá)利游戲的Atari100K測試數(shù)據(jù)集中取得了最高的IQM成績。

并且，在訓(xùn)練過的26款游戲中，BBF的成績已經(jīng)超過了人類。

與表現(xiàn)相似的Eff.Zero相比，BBF消耗的GPU時間縮短了將近一半。

而消耗GPU時間相似的SPR和SR-SPR，性能又和BBF差了一大截。

而在反復(fù)進(jìn)行的測試中，BBF達(dá)到某一IQM分?jǐn)?shù)的比例始終保持著較高水平。

甚至有超過總測試次數(shù)1/8的運(yùn)行當(dāng)中取得了5倍于人類的成績。

即使加上其他沒有訓(xùn)練過的雅達(dá)利游戲，BBF也能取得超過人類一半的分?jǐn)?shù)IQM分?jǐn)?shù)。

而如果單獨(dú)看未訓(xùn)練的這29款游戲，BBF的得分是人類的四至五成。

以SR-SPR為基礎(chǔ)修改

推動BBF研究的問題是，如何在樣本量稀少的情況下擴(kuò)展深度強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)。

為了研究這一問題，DeepMind將目光聚焦在了Atari100K基準(zhǔn)上。

但DeepMind很快發(fā)現(xiàn)，單純增大模型規(guī)模并不能提高其表現(xiàn)。

在深度學(xué)習(xí)模型的設(shè)計(jì)中，每步更新次數(shù)（Replay Ratio，RR）是一項(xiàng)重要參數(shù)。

具體到雅達(dá)利游戲，RR值越大，模型在游戲中取得的成績越高。

最終，DeepMind以SR-SPR作為基礎(chǔ)引擎，SR-SPR的RR值最高可達(dá)16。

而DeepMind經(jīng)過綜合考慮，選擇了8作為BBF的RR值。

考慮到部分用戶不愿花費(fèi)RR=8的運(yùn)算成本，DeepMind同時開發(fā)了RR=2版本的BBF

DeepMind對SR-SPR中的多項(xiàng)內(nèi)容進(jìn)行修改之后，采用自監(jiān)管訓(xùn)練得到了BBF，主要包括以下幾個方面:

• 更高的卷積層重置強(qiáng)度:提高卷積層重置強(qiáng)度可以增大面向隨機(jī)目標(biāo)的擾動幅度，讓模型表現(xiàn)更好并減少損失，BBF的重置強(qiáng)度增加后，擾動幅度從SR-SPR的20%提高到了50%

• 更大的網(wǎng)絡(luò)規(guī)模:將神經(jīng)網(wǎng)絡(luò)層數(shù)從3層提高至15層，寬度也增大4倍

• 更新范圍（n）縮小:想要提高模型的表現(xiàn)，需要使用非固定的n值。BBF每4萬個梯度步驟重置一次，每次重置的前1萬個梯度步驟中，n以指數(shù)形式從10下降至3，衰減階段占BBF訓(xùn)練過程的25%

• 更大的衰減因子（γ）:有人發(fā)現(xiàn)增大學(xué)習(xí)過程中的γ值可以提高模型表現(xiàn)，BBF的γ值從傳統(tǒng)的0.97增至0.997

• 權(quán)重衰減:避免過度擬合的出現(xiàn)，BBF的衰減量約為0.1

• 刪除NoisyNet:原始SR-SPR中包含的NoisyNet不能提高模型表現(xiàn)

消融實(shí)驗(yàn)結(jié)果表明，在每步更新次數(shù)為2和8的條件下，上述因素對BBF的表現(xiàn)均有不同程度的影響。

其中，硬復(fù)位和更新范圍的縮小影響最為顯著。

而對于上面兩個圖中沒有提到的NoisyNet，對模型表現(xiàn)的影響則并不顯著。

論文地址:

https://arxiv.org/abs/2305.19452

GitHub項(xiàng)目頁:

https://github.com/google-research/google-research/tree/master/bigger_better_faster