我們常常被教育的做事“三思而後行”，充分運用積累過的經驗，現在這句話對AI也有所啟發了。
傳統的決策AI模型由於遺忘效應的存在不能有效累積經驗，但一項由華人主導的研究改變了AI的記憶方式。
新的記憶方式模仿了人類大腦，有效地提高了AI累積經驗的效率，從而將AI打遊戲的成績提高了29.9%。
研究團隊由六人組成，分別來自米拉-魁北克AI研究院和微軟蒙特婁研究所，其中有四名是華人。
他們將成果命名為的帶有記憶的決策Transformer(DT-Mem)。
比較傳統的決策模型，DT-Mem適用廣泛性更強，模型運算的效率也更高。
除了應用效果，DT-Mem的訓練時間也從最短200小時縮短至50小時。
同時，團隊也提出了一種微調方式，讓DT-Mem能夠適應未訓練過的新場景。
微調後的模型，面對沒有學習過的遊戲，也能擁有不錯的表現。
傳統的決策模型基於LLM進行設計，採用隱性記憶，其表現依賴於數據和計算。
隱性記憶是無意識產生而非刻意記住的，因而也無法有意識地進行調用。
說得通俗一些，就是明明有關內容就儲存在那裡，但是模型卻不知道它的存在。
隱性記憶的這個特點決定了傳統模型存在遺忘現象，導致其工作效率往往不高。
遺忘現象表現為，在學了新的問題解決方式之後，模型可能會將舊的內容忘記，即使是新舊問題是同一類型。
而人腦採用分散式記憶儲存方式，記憶的內容被分散儲存在大腦中的多個不同區域。
這種方式有助於有效地管理和組織多種技能，從而減輕遺忘現象。
受此啟發，研究團隊提出了一個內部工作記憶模組來儲存、混合和檢索不同下游任務的資訊。
具體而言，DT-Mem由Transformer、記憶模組和多層感知(MLP)模組三部分組成。
DT-Mem的Transformer模仿了GPT-2的架構，但刪除了注意力機制後的前饋層。
同時，GPT-2中的MLP模組被拆分成了獨立元件，作為DT-Mem的一部分。
在二者之間，研究團隊引入了一個工作記憶模組，用於儲存和處理中間資訊。
這個結構是受到神經圖靈機的啟發，其中的記憶被用來推斷多種演算法。
記憶模組分析Transformer輸出的訊息，並決定其儲存位置以及與已有資訊的整合方式。
此外，該模組還要考慮這些資訊在未來做出決策的過程當中如何使用。
這些任務大概透過五個步驟來完成，記憶模組首先被初始化為一個隨機矩陣。
接著是輸入資訊的整理，這一步並不是將訊息傳給Transformer，而是以元組形式存入同一空間。
之後就要確定儲存位置。人類通常會將相關的資訊儲存到同一位置，DT-Mem也是基於這個原理。
最後兩步驟－記憶更新與檢索是記憶模組的核心，也是整個DT-Mem中最重要的環節。
記憶更新，即對已有資訊進行編輯替換，以確保資訊能依任務需求及時更新。
這一步驟中DT-Mem會計算擦除和寫入兩個向量，進而判斷如何與現有資料混合。
記憶檢索則是對已有資訊的存取和恢復，在需要做出決策時及時調取相關有用資訊。
投入實際使用前，DT-Mem還要經歷預訓練過程。
而對於DT-Mem的微調，團隊也提出了一種新的方式。
由於使用的是基於任務進行標記的數據，這種微調能夠幫助DT-Mem適應新的任務。
這個過程是基於低秩適應(LoRA)進行，在現有的矩陣中加入低秩元素。
為了測試DT-Mem的決策能力，研究團隊讓它玩了幾款遊戲。
遊戲一共有5款，全部來自Atari公司。
同時，團隊也測試了傳統模式M[ulti-game]DT的表現作為參考。
結果，DT-Mem在其中4款遊戲裡的最佳成績都勝過MDT。
具體而言，DT-Mem比MDT的DQN標準化分數提高了29.9%。
但是，DT-Mem的參數量只有20M，僅是MDT（200M參數）的10%。
這樣的表現，說是四、兩撥千斤一點也不過分。
除了表現優異，DT-Mem的訓練效率也完爆MDT。
13M參數量版本的MDT需要200小時進行訓練，而20M的DT-Mem卻只需要50小時。
如果和200M的版本相比，訓練時間足足縮短了32倍，表現卻更優異。
而針對團隊提出的微調方式的測試結果也表明，這種微調增強了DT-Mem適應未知情景的能力。
需要說明的是，下表中用來測試的遊戲對於MDT來說是已知的，因此MDT的表現在這一輪當中不作為衡量依據。
除了玩遊戲，團隊還使用了Meta-World ML45基準對DT-Mem進行了測試。
這次用作參考的是H[yper]DT和P[romot]DT。
結果顯示，未微調的模型當中，DT-Mem成績比HDT高出8個百分點。
要說明的是，這裡測試的HDT本身參數量雖然只有69K，但需依賴2.3M參數量的預訓練模型，因此實際的參數量是DT-Mem(147K)的10餘倍。
論文網址：https://arxiv.org/ abs/2305.16338
#以上是AI模仿人腦記憶模式，遊戲成績大漲29.9%的詳細內容。更多資訊請關注PHP中文網其他相關文章！
