深度學(xué)習(xí)因為其強大的表征能力，在很多方面都有非常優(yōu)秀的性能，它不論是在計算機視覺、自然語言處理，還是在游戲智能體上都能構(gòu)建出優(yōu)秀的模型。而最近圖盧茲聯(lián)邦大學(xué)等研究者表示進化算法也有著與深度學(xué)習(xí)相類似的潛力，它可以進化出一些能玩 Atari 游戲的智能體，并取得與人類相匹配的性能。
近期街機學(xué)習(xí)環(huán)境（ALE）被用于對比不同的控制器算法，從深度 Q 學(xué)習(xí)到神經(jīng)進化算法。Atari 游戲的環(huán)境在一個通用界面上提供了大量不同任務(wù)、可理解的獎勵度量和令人興奮的研究領(lǐng)域，且它所需的計算資源相對有限。無怪乎該基準(zhǔn)套件得到了如此廣泛的應(yīng)用。
Atari 領(lǐng)域中的一個困難在于使用純像素的輸入。盡管與現(xiàn)代游戲平臺相比，Atari 的屏幕分辨率不算高，但處理這類視覺信息對于人工智能體來說仍然是個挑戰(zhàn)。人們使用目標(biāo)表征和像素縮減方法，將該信息壓縮成更適合進化控制器的形式。這里深度神經(jīng)網(wǎng)絡(luò)控制器表現(xiàn)更加優(yōu)秀，原因在于卷積層和在計算機視覺領(lǐng)域的長期應(yīng)用。
笛卡爾遺傳規(guī)劃（Cartesian Genetic Programming，CGP）在計算機視覺領(lǐng)域的應(yīng)用也有很長的歷史，盡管比深度學(xué)習(xí)稍微短了一些。CGP-IP 能夠創(chuàng)建圖像濾波器，用于去噪、目標(biāo)檢測和質(zhì)心定位（centroid determination）。在強化學(xué)習(xí)任務(wù)中使用 CGP 的研究相對較少，本論文將展示首次使用 CGP 作為游戲智能體的研究。
簡單而言，笛卡爾遺傳規(guī)劃是遺傳規(guī)劃的一種形式，其中程序表征為有向的、通常由笛卡爾坐標(biāo)索引的非循環(huán)圖。其中功能性節(jié)點通常由一組進化的基因定義，并通過它們的坐標(biāo)連接輸入與其它功能性節(jié)點。程序的輸出由任何內(nèi)部節(jié)點或程序輸入基于進化的輸出坐標(biāo)得出。
ALE 提供了 CGP 和其他方法之間的定量對比。直接將 Atari 游戲分?jǐn)?shù)與之前研究中的不同方法結(jié)果進行對比，以對比 CGP 與其他方法在該領(lǐng)域的能力。
CGP 的獨特優(yōu)勢使得其應(yīng)用在 ALE 上非常合適。通過定長的基因組，小型程序能通過進化生成并被讀取以理解。雖然深度 actor 或進化神經(jīng)網(wǎng)絡(luò)的內(nèi)部機制可能難以了解，但 CGP 進化的程序可以讓我們深入理解玩 Atar 游戲的策略。最后，通過使用用于矩陣運算的函數(shù)集，CGP 能夠僅使用像素輸入而不使用先驗游戲知識，在多種游戲上實現(xiàn)與人類相當(dāng)?shù)男阅堋?/p>
論文：Evolving simple programs for playing Atari games
論文地址：https://arxiv.org/abs/1806.05695
項目地址：hps://github.com/d9w/CGP.jl
摘要：笛卡爾遺傳規(guī)劃（Cartesian Genetic Programming，CGP）之前已被證明在圖像處理任務(wù)中具備使用計算機視覺專用的函數(shù)集來進化程序的能力。類似的方法也可用于 Atari 游戲。使用混合型 CGP 和適用于矩陣運算的函數(shù)集（包括圖像處理）來進化程序，但是允許出現(xiàn)控制器動作。盡管這些程序相對較小，但很多控制器的性能與 Atari 基準(zhǔn)集的最優(yōu)方法不相上下，且需要的訓(xùn)練時間更短。通過評估最優(yōu)進化的程序，我們可以找到簡單卻有效的策略。
3 方法
盡管有很多在圖像處理中使用 CGP 的案例，但在玩 Atari 游戲時這些實現(xiàn)必須進行修改。最重要的是，輸入像素必須通過進化程序處理以確定標(biāo)量輸出，這需要程序減少輸入空間。本研究選擇的方法可確保和其它 ALE 結(jié)果的可比較性，同時鼓勵有競爭力且簡單的程序的進化。
圖 1：使用 CGP 來玩 Atari 游戲，藍色像素矩陣是進化程序的輸入，進化的輸出決定最后的控制器動作。這里展示了所有控制器動作，但大多數(shù)游戲僅使用可用動作的子集。帶紅色標(biāo)記的動作表示一個按鈕。
4 結(jié)果
圖 2： Kung-Fu Master 游戲的蹲伏方法和玩家功能圖。為簡潔起見，這里忽略未激活的輸出和導(dǎo)致這些輸出的計算圖。
圖 3：Centipede 玩家，僅激活了輸出 17，下-左-開火。所有其它輸出導(dǎo)致空值或恒定零輸入，此處未展示。
圖 4：Boxing 游戲，使用像素輸入來連續(xù)移動和采取不同動作。這里，CGP 智能體通過不斷打擊 Atari 玩家來緩慢移動，將 Atari 玩家逼到圍繩處。