20230901晨课

斯坦利和雷曼就举了一个自己进行人工智能训练的小案例：先设置一个平面迷宫，然后训练机器人顺利走出迷宫，到达出口。出乎意料的是，如果算法被设定成尽快到达出口，机器人反而进步迟缓，因为它总是遵循目标第一的原则，想规划一条最便捷的路线直达门口；而我们人类理解中的合理路线，都会被机器人判定为，在某些时刻远离了门口，背离了目标，所以是不正确的。这就导致机器人永远是一出发，就朝着出口方向猛冲，撞上迷宫中的墙壁。你看，通过这个小小的计算机试验，“目标至上，导致错误解决路径”这个道理，就被演示得清清楚楚。

斯坦利和雷曼还在书中讲述了一个他们做过的人工智能虚拟实验，实验的目的是让一个拥有人类一样双腿的机器人，最终学会行走。这两位程序员为机器人编写的算法中，优先目标并不是尽快能够双腿行走，而是尽可能让机器人用自己的双腿做出一些新奇的动作。出乎意料的是，当设定的算法是鼓励机器人做出新奇性行为时，它学会走路所用的时间，远远少于目标被设置为尽快学会行走的时候。这是为什么呢？原来啊，如果机器人被设置为“尽快学会行走”，那么在算法逻辑里，摔倒就是一件坏事，机器人会努力避免摔倒，但同时也限制了它对各种行走姿态的试错；但如果是以新奇性动作为优先目标，那么机器人一开始会以各种姿势花式摔跟头，但在这个过程中，它逐渐学会了踢腿、摆动身体，而这两个动作，正是实现双腿行走的基础。

晨课：斯坦利和雷曼-敏锐观察力和开放心态。