Ken Stanley:无目标发现
Ken Stanley: Discovery Without Objectives
频道:fzambetta75 · 时长:1:32:20 · 发布:2012-09-04 · 播放:5662
简介
在92分钟的RMIT大学研讨会上,Ken Stanley提出设定目标可能会阻碍目标的实现。他提出无目标、新颖性驱动的搜索作为创新和发现的替代方法,借鉴了进化计算的思想。
HN 为什么推荐
被引用为开放式搜索可以胜过目标驱动优化的来源,尽管有评论者认为部分内容空洞。
我最近看了几个非常有趣的演讲,关于Ken Stanley的无目标搜索出人意料的成功 — HN, 2018
机器学习与深度学习 · 进化与遗传学 · 科学方法与科学传播
中文字幕节选
女士们,先生们,晚上好。 欢迎来到“大图景”系列讲座。 我叫拉娜,是维多利亚研究实验室的对外关系经理。 今晚非常荣幸能在这里欢迎各位。 “大未来”讲座的目的,其实就是为公众提供一个 聆听那些正在塑造我们技术未来的人的机会。 今晚我们非常高兴能在皇家墨尔本理工大学举办这场活动。 皇家墨尔本理工大学是墨尔本NICTA大学的一部分。 所以我们非常高兴有机会在这里举办这场讲座, 在大学里。呃,我很荣幸邀请到 皇家墨尔本理工大学计算机科学与信息技术学院的法比奥·泽塔博士来介绍 我们的演讲者。请大家欢迎法比奥。 大家晚上好。呃,我非常荣幸。 我在这里介绍肯·斯坦利,呃,副教授,呃,计算机科学系的一部分, 中佛罗里达大学,呃,他领导呃,elex 进化复杂性研究小组。 呃,他今晚要讲的是“没有目标的发现”。 呃,我们非常高兴他能来这里。 呃,我想感谢我们伟大的赞助商们,呃,当然还有呃, 以及ACM通过杰出讲座呃项目的支持。 那么,废话不多说,呃,请大家鼓掌。 好的。谢谢,谢谢邀请我。 真的很高兴有机会与大家分享我的工作,呃,我呃, 被ACM要求告诉大家,呃,杰出演讲者项目帮助 赞助了这次活动,当然感谢他们的贡献,也感谢 他们所做的贡献,使这一切成为可能。 那么,这里有一些你可能被告知过的事情。 你可能被告知,如果你下定决心,你就能成就任何事情。 你可能不知道这是谁说的,但实际上这是马蒂·麦克弗莱。 他在《回到未来》中说了这句话。 呃,但我认为我们很多人都相信这一点,如果我们设定一个目标,然后我们 下定决心,努力尝试,投入热情,我们就能实现 我们想要实现的目标。 但我今天要告诉你们的信息,不幸的是,这并不是真的。 所以我知道这有点令人沮丧,但我不是要让你太沮丧, 因为我实际上也有一些好消息。 我希望说服你们的好消息,并且实际上为这两件事提供 科学证据,就是如果你不下定决心, 那么你甚至可以——即使我有点错,但这更准确,我会尝试 说服你们这一点。那么我到底在谈论什么? 我在谈论这些创新、创造力、发现的想法, 我们作为人类实现事情的方式,你可以 称之为搜索,当你谈论搜索时,我喜欢把它想成 一种搜索,我可以把它想成发生在搜索空间中的事情,如果你 想想这个空间,它就像某种类型的所有可能人工制品的空间, 比如所有可能图像的空间,那就是艺术家们搜索的空间, 所有三维形态的空间可能是雕塑家或建筑师 搜索的空间,或者所有可能的 单词组合的空间,那当然是作者们搜索的空间, 如果你是一个人工智能研究者,那么实际上当你创建人工智能算法时, 你搜索的是所有可能的 心智的空间。所以不同领域的人们试图发挥创造力, 试图成就伟大事业的人们,都在这些空间中搜索。 你可以把这些空间几乎想象成物理上存在的,就像你可以想象一个 巨大的房间,所有可能图像的房间,里面堆满了图像。 这些空间,这些搜索空间的特点是,它们大部分是
HN 上的讨论
我认为这个算法并不常见。特别是,颜色调色板通常可以最后选择,而且很多生成艺术(至少文章中展示的所有作品)不需要多分辨率处理。我认为更常见的发现/细化过程是从更随机到更不随机,或者以特定方式随机。例如,你可以根据你认为会好看或应该与你已经发现的东西在某些方面相似的想法,为特定参数指定值或分布(或至少值的范围)。生成艺术是在一个极高维空间中的搜索。你越是为了某个特定目标而深入,它就越确定,越接近传统艺术(而且在我看来越难做好,想想稍微改变这些图像中某个元素的位置会带来多大差异,而稍微改变某人眼睛的位置又会怎样)。如果你去寻找“新奇有趣”或“好看”而不真正追求任何特定目标,找到好东西会容易得多。我最近看过几个非常有趣的演讲,是关于肯·斯坦利无目标搜索的惊人成功:[LINK](40分钟)[VIDEO](90分钟)他从研究人类指导的机器进化生成艺术开始,最终得出了一个更普遍的发现。 — mkl, 2018-09
引人入胜。我们没有禁止金钱或固定价格(他们在俄罗斯试过吗?),而是保留了自由市场,但现在有了一个新的政府干预层。不是通过社会支出或监管进行干预,而是根据AI的指令进行买卖。而这个AI的效用函数是根据什么设定的呢?我猜它必须根据我们的价值观,而不是具体目标:[VIDEO] — truculation, 2018-03
有趣的演讲。我真的分不清其中有多少是真正有意义的,有多少是像“能量姿势”那样的废话。无论如何,他做类似的演讲已经有一段时间了。[VIDEO] — greggman, 2016-02
相关视频
- 成龙 - 如何做动作喜剧 · Every Frame a Painting · 9:04
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 量子阴谋:量子力学普及者不想让你知道的事 · Google TechTalks · 1:03:43
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- James Burke《Connections》第一集《触发效应》 · DRS_Education · 49:22
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22
- 第一讲 | 机器学习(斯坦福) · Stanford · 1:08:40
- Hamming,“你和你的研究”(1995年6月6日) · securitylectures · 44:02
- MarI/O - 视频游戏机器学习 · SethBling · 5:57
- 深入探讨 ChatGPT 等 LLM · Andrej Karpathy · 3:31:23
- 学会玩经典 NES 游戏的计算机程序 · suckerpinch · 16:17
- 为什么妄想是一种超能力 · Veritasium · 12:04
- David Silver 强化学习课程 - 第一讲:强化学习导论 · Google DeepMind · 1:28:12
- 大多数已发表的研究都是错的吗? · Veritasium · 12:22