Google研究人員在GECCO 2020會議上，發(fā)布具有自注意力（Self-attention）瓶頸的人工智能代理AttentionAgent，研究人員運用不注意視盲（Inattentional Blindness），讓AttentionAgent具有選擇性注意力，能夠忽略不重要的細節(jié)，相較于傳統(tǒng)方法，代理泛化學習參數(shù)少了1，000倍，可以更好地處理復雜的計算機視覺任務。

不注意視盲是一種人類心理現(xiàn)象，由于選擇性注意力，因此人們會漏看視野里部分東西，Google提到，這種選擇性注意機制，讓人們可以專注于重要的事物上，而不分心于無關緊要的細節(jié)，他們相信這種機制可以讓人們濃縮感官信息，成為一種夠簡潔的形式，用于未來的決策上。

盡管選擇性注意力看起來像是種限制，但Google認為，從自然界觀察到的這種瓶頸，可用于改善機器學習設計，通過模仿讓人工智能學習，生物能夠高性能解決任務的方法。過去的深度增強學習，都讓人工智能代理能夠訪問完整的視覺輸入，而Google現(xiàn)在以注意力限制，來減少人工智能代理訪問視覺輸入，以提高系統(tǒng)性能，不只可以大幅減少需要的參數(shù)，而且因為代理看不見部分視覺輸入，因此剛好能避掉那些可能造成混淆的內(nèi)容，而且查看代理把注意力集中在什么部分，還可以為其決策提供視覺的可解釋性。

過去也有類似的研究，利用稀疏性來限制輸入內(nèi)容，而AttentionAgent則是從人類的不注意視盲獲得靈感，當大腦付出努力參與任務時，大部分的注意力會集中在與任務相關的元素上，暫時對其他信號視而不見。為了要實現(xiàn)這件事，Google將輸入的圖像分割成幾個小區(qū)塊，然后修改自注意力架構來模擬小區(qū)塊間的投票，選出重要的子集，AttentionAgent會忽略不重要的部分，僅利用重要區(qū)塊做決策。

關鍵要素除了視覺輸入的截取之外，關聯(lián)這些要素隨時間變化的能力也很重要，像是棒球比賽中的打者，必須利用視覺信號來連續(xù)關注棒球的位置，以預測能夠打擊到球的位置，AttentionAgent則會利用長短期記憶（LSTM）模型，從重要的視覺區(qū)塊中截取信息，并在每個時步?jīng)Q定一個行動，LSTM會關注輸入串行變化，并利用這項信息關注關鍵要素在不同時的演變。

重要區(qū)塊的可視化，可讓研究人員知道人工智能下決策的方法，并說明大多數(shù)的選擇，是合理且符合人類主動，可作為系統(tǒng)開發(fā)階段，好用的分析和調(diào)試工具，另外，Google提到，人工智能代理學會忽略非關核心任務的信息，因此經(jīng)修改還可以推廣應用到小環(huán)境任務。

Google的這項研究，證明僅讓人工智能代理訪問重要的區(qū)塊，無視場景其余的部分，可以提升代理泛化（Generalize），用于解決其他任務能力，像是在VizDoom TakeCover環(huán)境接受訓練的人工智能代理，也能夠在其他墻壁較高、地板貼圖不同，或是更多令人分心標志的環(huán)境下生存。

這樣的成果可以被應用在自動駕駛上，應用晴天資料集學習駕駛的代理，也能夠?qū)Ⅰ{駛技能轉移到晚上或是下雨天，AttentionAgent不僅能夠解決CarRacing-v0任務，在其他惡劣環(huán)境中，也能達到相近的性能，泛化需要的參數(shù)比慣用的方法少1，000倍。

不過，即便AttentionAgent能夠適應環(huán)境修改，仍有其限制，像是原本周圍都是綠地的賽車背景，一旦換成YouTube視頻便會失效，又或是更換成均勻的噪聲時，人工智能代理的注意力模塊便會失效，Google提到，他們用于選擇重要視覺區(qū)塊的方法仍不夠強健，不足以應對更復雜的任務，因此他們接下來會發(fā)展，能從視覺輸入截取有意義特征的方法。
責任編輯：tzh