马斯克的OpenAI想用这种新方法，训练安全的通用人工智能

他们把通过迭代扩增和直接提供监督信号来训练的结果进行了比较。

李林 编译整理

量子位 出品 | 公众号 QbitAI

人类：AI啊，给北京设计一套不堵车的交通系统吧！

AI：想不堵车，只好……

想让AI去完成这种庞大复杂的任务，怎样训练、怎样指导，是个非常严峻的问题。

OpenAI今天提出了“迭代扩增”（iterated amplification），官方博客介绍说，这是一种AI安全技术，人类能运用这种方法，指导AI去完成那些人力不可及的任务。

简单来说，就是通过展示如何把任务分解成简单的子任务，让AI认清这个复杂任务的目标是什么、行为是怎样的。

这项技术，指向OpenAI成立之初就在讲的终极目标：让通用人工智能（AGI）更安全。

迭代扩增有什么用？要从如今AI常用的机器学习系统如何训练谈起。

训练一个机器学习系统，让它完成某种任务，需要人类提供训练信号，比如监督学习里的数据标签、强化学习里的奖励（reward），就都属于训练信号。

提供训练信号，对人类来说是一件说简单也简单，说难又很难的事情。这取决于想让AI学习什么样的任务。

让它识别手写数字，人类能认出这些数字标注出来就行；让AI玩游戏，人类会计算游戏得分、或者演示给AI看就行。而如果想让AI预测未来呢？

人类根本搞不定，训练信号更是无从提供起。要是提供错了，鬼知道AI会学出什么来……

迭代扩增就是用来给这类任务生成训练信号的。

这种方法基于这样两个条件：一是当人类遇到这种执行不了、或者无法判断完成情况的庞大复杂任务，起码还知道它能分解成哪些更小的部分；二是这些分解出来的小部分，人类还是可以完成的。

这样，就可以让人类去给这些小的子任务提供训练信号，然后把它们综合起来，指导总体任务。

当然，现在迭代扩增还没有用到人类无法解决的庞大任务上。为了测试这种方法，OpenAI先为它设置了五个小测验，分别是：

permutation powering

sequential assignments（顺序分配）

wildcard search（通配符搜索）

shortest path（最短路径）

union find（联合查找）

实验中，OpenAI的研究人员需要“假装不知道”这些任务应该怎样完成，不给机器学习模型提供完整的标注数据，而是将每一项任务分解成小的子任务，再为这些子任务提供训练信号，让AI间接地学习。

他们把通过迭代扩增和直接提供监督信号来训练的结果进行了比较，结果，在这5项任务上，通过迭代扩增来训练都获得了和直接使用监督学习差不多的效果。

OpenAI说，他们计划将来用迭代扩增方法，来训练AI去实现人类搞不定的，真正的复杂任务。

看到这种方法，你可能会想到AlphaGo Zero中所用的专家迭代。它们有相似之处，也有很明确的区别：专家迭代增强的是一个已经存在的训练信号，而迭代扩增需要从头开始构建训练信号。

更多细节，都在这篇论文里：

Supervising strong learners by amplifying weak experts

— 完—