科幻网3月3日讯（朱曦薇） 2021年6月，人工智能实验室DeepMind的科学家提出一个有争议的主张，建议使用“强化学习”这一方法来达到通用人工智能（AGI）。他们把自己的论文标题定为“奖励就够了”。
该团队认为，通用人工智能可以通过一种被称为回报函数的激励机制形成。在强化学习中，软件代理通过反复试验来学习。当它采取合适的行动时，将获得奖励。随着时间的推移，代理会计算出如何执行任务以优化其奖励。这项技术可以应用于多个领域，从控制自动驾驶汽车到提高能源效率，但最著名的就是在游戏世界。
2016年3月，这项技术迎来一个里程碑式的时刻。DeepMind系统“AlphaGo”击败职业棋手李世石，成为第一个在围棋比赛中击败世界冠军的计算机程序。据报道，超过2亿人观看这场胜利。在比赛中，人工智能采取了非常规的动作，让对手李世石感到困惑。
DeepMind首席执行官表示，AlphaGo的最终版本不使用任何规则。相反，它通过与不同版本的自身进行数千次对弈，来从头开始学习游戏，通过一个被称为强化学习的反复试验逐步学习。这意味着它可以自由地为自己学习，不受正统思想的约束。
奖励是动物常见的学习动力。例如，一只松鼠在寻找坚果的过程中发展出智力。与此同时，一个孩子可能会因为整理房间而得到一块巧克力，或者因为不良行为而被打屁股。
在人工智能系统中，奖励和惩罚是通过数学计算出来的。例如，一个自动驾驶系统在模型撞到墙的时候可以得到-1分，安全地超过另一辆车则得到+1分。然后，该算法通过反复试验来学习，使奖励最大化，最终以最理想的方式完成任务。
值得一提的是，强化学习代理努力在复杂环境中实现奖励最大化，并评估其行动的长期影响。对此，“奖励就足够了”的支持者认为，算法的适应性可以为通用人工智能铺平道路。
