【新智元導(dǎo)讀】Facebook 日前開源了機器學習庫 TorchCraft，方便研究人員使用控制器,，編寫能夠玩星際爭霸游戲的智能代理,。此外,，本周五 FAIR 主管 Yann LeCun 與同事撰文科普人工智能，針對學生,、在職者等人如何在 AI 上更進一步提出許多實用建議,，其重點是 Facebook 的一系列教學視頻中。本文精選其中關(guān)于數(shù)學的三則【進入新智元公眾號,，在對話框輸入“1204”下載論文】

深度學習技術(shù)最近使研究人員能夠在監(jiān)督式學習時代成功地解決低級別的知覺問題,。在加強學習領(lǐng)域，這已經(jīng)轉(zhuǎn)化為開發(fā)能夠?qū)W習在高維輸入空間中行動的代理的能力,。尤其是深度神經(jīng)網(wǎng)絡(luò),，被用于輔助將強化學習擴展到與視覺輸入有關(guān)的環(huán)境，使代理能夠在測試中學習策略,，這在以前是十分困難的,。例如，深度Q網(wǎng)絡(luò)（DQN）算法已經(jīng)能夠通過控制器,，直接從原始像素學習,，并除了比賽得分以外，沒有任何附加監(jiān)控的情況下,，在大多數(shù)經(jīng)典ATARI 2600游戲上達到人類水平,。

然而，在這個新領(lǐng)域中衍生出的大部分工作都是應(yīng)對狀態(tài)完全可見的環(huán)境,、獎勵函數(shù)沒有或只有很低的延遲,，并且動作集相對較小的條件。為了解決絕大多數(shù)現(xiàn)實生活中的問題,，代理必須能夠處理只有部分可見,、結(jié)構(gòu)化和復(fù)雜的動力學，以及具有噪聲和高維控制接口的環(huán)境,。

為了給社區(qū)提供有用的研究環(huán)境,，研究人員已經(jīng)開發(fā)了基于視頻游戲的平臺，如Torcs,、Mario AI,、Unreal的BotPrize，以及 Atari游戲?qū)W習環(huán)境,，比如 VizDoom 和 Minecraft,。所有這些都允許研究人員訓練深度學習模型進行模仿學習（imitation learning）、強化學習和各種決策算法,，以應(yīng)對日益困難的問題,。

最近，還有人致力于將這些和許多其他這樣的環(huán)境融合在一個平臺,，提供一個交互的標準接口,。日前,，F(xiàn)acebook 研究員開源 TorchCraft，在深度學習環(huán)境 Torch 與星際爭霸之間搭起了橋梁,，方便研究人員使用控制器,，編寫能夠玩星際爭霸游戲的智能代理。

在論文中,，F(xiàn)acebook 研究員提出使用編程語言 Lua,，將有活躍的AI研究社區(qū)和年度AI比賽的RTS游戲《星際爭霸：布洛德戰(zhàn)爭》連接起來，并且提供了其在機器學習庫 Torch中的例子,。

摘要

我們在本文中提供了 TorchCraft 庫,，使在諸如《星際爭霸：布洛德戰(zhàn)爭》這樣的研究實時戰(zhàn)略（RTS）游戲平臺上從事深度學習研究更加簡便，也就是讓研究人員使用機器學習框架Torch控制這些游戲時,，操作更加簡便,。這份白皮書提出了使用RTS游戲作為AI研究基準的看法，并描述了TorchCraft的設(shè)計和組件,。

【進入新智元公眾號,，在對話框輸入“1204”下載論文】

本周五 Facebook 推出一系列人工智能教學視頻，F(xiàn)AIR 主管 Yann LeCun 以及應(yīng)用機器學習部門主管 Joaquin Qui?onero Candela 撰文科普人工智能,，并向那些對人工智能感興趣的學生提出一些實用建議,，“數(shù)學”是這些建議的核心。

Yann LeCun 講解深度學習

很多科技公司都會強調(diào) STEM（科學,、技術(shù),、工程學、數(shù)學）的重要性,，但此次來自 Facebook 的建議更顯突出,。LeCun 特別建議同學要學好微積分（Calc I, Calc II, Calc III）、線性代數(shù),、概率論以及統(tǒng)計學,，越早學會越好。

在 Facebook 的這一系列教學視頻中,，LeCun 把微積分比作機器學習的“電力”,，統(tǒng)計學則相當于機器本身的齒輪。

Back Propagation 算法詳解

梯度下降（Gradient Descent）

坦白說,，LeCun 和 Candela 的這些建議的對象應(yīng)該大部分是大學生,，但考慮各教育程度的學生也很重要。任何人在日常生活中都會用到很多統(tǒng)計學知識,。除了數(shù)學,，LeCun 和 Candela 還強調(diào)工程學、計算機科學,、經(jīng)濟學和神經(jīng)科學對人工智能來說也是相當重要的學科,。

兩人還指出哲學是理解“知識”和“學習”必要的先決條件。在有關(guān)Facebook假新聞事件的例子中,，許多評論都認為我們不能忘記機器學習的各種應(yīng)用的背后都有人類的存在,。我們還不知道怎樣解決“黑盒”問題，但可以確定的是,，去努力弄清楚這個問題的是人類,。如果這些人在運用數(shù)據(jù)之前理解了“學習”的機制，對解決黑盒問題必定會有所幫助,。

最后,，LeCun 和 Candela 也提到如何在機器學習領(lǐng)域找到一份工作。他們的建議非常好理解：找一位教授合作,，考慮與那些時間充裕的博士生們合作,，并且無論你未來想做什么，都應(yīng)該找一份行業(yè)里的實習,，以了解 AI 在真實世界里如何作用,。兩人還建議在申請博士課程時，應(yīng)該認識到,，你想與之合作的教授比大學的排名更重要,。當?shù)玫脚c教授的合作機會時，學生應(yīng)該努力解決一個特定的問題,，并且嘗試開源一些代碼,。