DeepMind又對雅達利遊戲下手了！這次，他們最新推出的智能體MEME，在效果不變的前提下，比兩年前的Agent57提速了200倍！Agent57，是DeepMind在2020年搞的一個智能體，史上首次在所有57個雅達利遊戲中超過了人類基準表現。
但它有一個致命缺陷是效率低：需要近800億幀的數據訓練才能實現。
現在，MEME的出現完美解決了這一問題。
有網友看完表示：這就是真正的樣本高效吧。
話不多說，趕緊來一睹為快吧。
新的智能體：MEME
Agent57，作為首個在所有雅達利遊戲中超越人類基準表現的智能體，性能上已足夠先進。
但問題是，要想達到這一目標，背後需要780億幀的龐大的經驗訓練，這在時間和成本上都是一筆大開支。
因此，以Agent57為起點，DeepMind採用了一系列不同的策略，來實現訓練效率上的提升。
他們調查了在減少數據制度時遇到的一系列不穩定因素和瓶頸，並提出了有效的解決方案，最後建立一個更加強大和高效的智能體：MEME。
新的MEME智能體主要針對Agent57的4個方面進行改善，分別是：
A.實現與罕見事件相關的學習信號的快速傳播；
B.在不同的價值尺度下穩定學習；
C.改進神經網絡結構；
D.在快速變化的政策下使更新更加穩健。
為了達到這四個目標，DeepMind採取了以下方法，與上述四點相對應。
A1.用在線網絡進行引導；
A2.有公差的目標計算；
B1.損失和優先權歸一化；
B2.交叉混合訓練；
C1.無歸一化的軀幹網絡；
C2.帶有綜合損失的共享軀幹；
D.通過策略提煉的魯棒行為。
這些方法旨在提高Agent57的數據效率，但這種效率的提高不能以犧牲終端性能為代價。
因此，為了檢驗經過上述步驟的智能體MEME的效率和性能，研究團隊分別在2億、10億、200億、900億幀環境進行了訓練。
通過下圖可以直觀的看出，新智能體MEME在3.9億幀時就超過了人類基準，比Agent57快了兩個數量級，並且在將參數量從90B減少到1B的情況下，取得了類似的最終表現。
可以說相比Agent57而言，MEME既提升了效率，又保持了性能。
研究團隊
MEME的研究團隊來自DeepMind。
其中三位Adrià Puigdomènech Badia、Steven Kapturowski、Charles BlunDELL也是之前Agent57的論文作者。
值得一提的是，Steven Kapturowski在兩篇論文中都是一作。
他畢業於美國科羅拉多大學博爾德分校，曾在蘋果、微軟、GlaSSDoor等公司工作過，現在是DeepMind的一名高級研究工程師。
