通过“增强自学”，让每个智能体适应环境周围环境和群体协作。未来的分布式机器人可以互相学习，一起工作，共同完成简单任务。图片来自网络分布式智能体（Agent）具备自主性、交互性、反应性和主动性据美国《连线》杂志网站近日报导，目前大部分人工智能研究都集中于在个体智能体（Agent，指能自律活动的软件或者硬件实体）上，人工智能系统也仍然是作为个体运作，但这些个体智能体无法组合成一个团队来自学、工作，也无法相互协作已完成适当的任务。

麻省理工学院航空航天教授乔纳森·豪指出，这种工作模式失去了一个极大的机会，未来机器人应当一起工作，互相学习。在产于计算出来领域，人们一般来说把在分布式系统中持续自律发挥作用并具备自主性、交互性、反应性和主动性的计算出来实体称作Agent。例如一辆分开行经在街道上的汽车，一种能根据周围环境变化而大大调整的恒温器。

豪领导的研究团队仍然致力于研究转变“移动和人工智能设备相互协作和自学的方式”，期望通过人工智能的核心能力——机器学习，协助智能对象，使彼此更加智能。豪指出，未来机器人可以互相学习，联合工作，从而转变物流（机器人已完成订单并送货上门）和太空探寻（机器人合作探寻新领域）等行业。而确实的挑战是为这些人工智能机器人在实验室之外的真实世界作好打算，这才是人工智能应当醉心的领域。

机器人个体结为团队工作现实世界远比人工智能机器人研发实验室环境简单。在团队工作中，人类不会思维，其他人在做到什么？如何共同完成任务？这个任务不会再次发生怎样的变化？等等。而这些问题，都将是机器人以团队形式工作时所必须“考虑到”的。为了让机器人以群体形式工作，豪率领的团队让智能体在周边环境中重复试验，像人类一样自学。

团队利用他们自己研发的新算法，以及机器人行业的经验，对其展开了优化，用于了一种取名为增强自学的机器学习技术，让它们适应环境周边环境。团队甚至更进一步研究了“多智能体”参予时再次发生了什么。

“多智能体”增强自学这门新兴学科不存在许多难题，还包括：如何让独立国家的智能体在其他方面创建共识并达成协议完全一致？如何保证它们之间大大的聊天会水淹整个网络？当一个有人工智能功能的机器人指出自己告诉准确的行事方式，但它却拢了时又不会再次发生什么？豪说道：“如果我们对什么时候去吃晚饭都有有所不同的观点，你必须多少交流才能达成协议完全一致？这看上去比较非常简单的问题，但在机器人系统中，我们要处置的问题十分多，一般来说这些问题都有很多不确定性。”只有经常出现了不切实际的深度自学平台，才有可能确实问这些问题。豪和他的团队用于由亚马逊的EC2GPU实例反对的AWS深度自学AMI环境，这些实例不必须管理机架和服务器，就可以在云上继续执行非常复杂的计算出来。

他们的最终目标是训练和运营增强自学模型的速度和准确性，以确保机器人不足以应付现实世界中不道德的影响。比如，当机器人意见不完全一致时，它们之间大大的唠叨会水淹整个网络。

简单计算出来必须云平台在智能机器人联合自学的理想生态系统中，整体小于部分之和，这必须根本性的技术希望才能构建。在亚马逊云服务（AWS）、波音和IBM牵头资助下，豪的团队早已展开了一段时间的深入研究，通过充足的计算能力运营简单的增强自学算法，使一群机器人维持大大的通信，并在联机中调整它们的不道德。新的增强自学系统被称作分层多智能体教学，通过优化奖励功能和更加有效地的交流，顺利地提升了机器人在团队范围内的自学和协作统合解决问题的能力。利用基于云的服务，团队中的每个成员都可以根据自己的必须，采访尽量多的计算能力。

“在这种基于仿真的训练中，我们要测试数百种设置，速度是至关重要的。”豪教授的硕士研究生金东恩（音译）说道，“机器学习必要转化成为我们在更加较短的时间内运营更加多递归的能力。

AWS获取了强劲的GPU实例，大大缩短了训练时间，减缓了我们的研究步伐。”豪指出，这项研究商业化必须5—10年的时间，但这有可能是未来人工智能应用于的一个基本推动者。

他回应，合作、有弹性机器人的用途完全是无限的。

本文来源：J9九游会-www.garentacar.com