Dec, 2023

复杂系统中的元多样性搜索：人工无穷尽的秘籍？

PDF
TL;DR可以在 Minecraft 中构建一个人工系统，该系统能够无限地生成新颖的惊喜。为了实现这一目标，文章提出了两个关键组件：用于逐渐复杂化和演化物品的复杂系统，以及利用元多样性搜索概念的发现算法。通过模拟人工的 “化学” 系统和 “发现助手” 在 Minecraft 环境中的应用，可以实现长期发现新颖且越来越复杂的物品。
artificial systemendless surprisesminecraftcomplex systemsdiscovery assistant
发现论文，激发创造
  • 利用生成式知识提取、基于图的表示和多模态智能图推理加速科学发现

    使用生成人工智能（AI）将 1000 篇生物材料领域的科学论文转化为详细的本体知识图，揭示了其固有的无标度特性。通过基于组合排名节点相似性和介数中心性的不同概念之间的图遍历路径检测，我们揭示了深入洞察力，揭示了前所未有的跨学科关系，可用于回答查询，识别知识空缺，并提出前所未见的材料设计及其行为。

    Mar, 2024

  • 自组织系统中多样化模式的内在激励发现

    通过运用内在动机的机器学习算法，实现自发模式的自动发现和多样性；同时提出了基于深度自编码器和 CPPN 函数的增量式方法，有效地在寻找自发模式方面比多个基准测试的系统更为高效。

    Aug, 2019

  • Minecraft 建筑生成的开放式演化

    本文提出了一种过程化内容生成器，根据新颖性的内在定义，演化 Minecraft 建筑物，评估个体的新颖性，通过 3D 自动编码器和探索转换阶段交替进行，使用不同方法训练自动编码器，通过重新训练自动编码器，使模型更加具有开放性复杂性，改进了候选人的合规约束和结构，获得更好的演化质量和多样性。

    Sep, 2022

  • 从分散的元强化学习中出现集体开放性探索

    我们在开放式任务分布上通过元强化学习以及分散训练，探究了集体探索策略的产生，发现去中心化的智能体在对抗从五种不同类型任务中抽取出的多个子任务动态组成的大量任务树时，表现出了强大的泛化能力，能够解决训练过程中从未遇到的新任务，并且这种集体探索策略的学习在开放式任务设置下得以扩展，让智能体能够解决比训练过程中多两倍深度的任务树。

    Nov, 2023

  • 将多样性引入 AI 艺术

    通过结合进化算法的新颖性保持机制和生成对抗网络的优势，我们利用 OpenAI 的 CLIP 模型与短周期的进化分散搜索来指导 GAN 的创造过程，以此来创造出更具有新颖性和优秀性的艺术作品。

    May, 2022

  • 推动人工智能和人类共同创造，加速材料发现

    通过机器学习和 AI 技术，提出了一个支持领域和流程知识管理，结合人工智能协作的工作台框架，以减少时间和机会成本的目的，实现化学空间探索的新型功能材料的发现。

    Nov, 2022

  • 游戏系统设计的可控协作代理

    通过模拟状态机组件和资源流、一组可控指标、模拟游戏试玩的设计评估器以及进化式设计平衡器和生成器，我们设计了一个能够表达多样游戏并可供未来共同创作应用的人类可控的协作代理系统。

    Aug, 2023

  • 多元化人工智能：向着 AlphaZero 创造性中国象棋的方向发展

    通过在国际象棋中构建多样化的人工智能团队，研究表明多样性对于解决复杂计算问题具有价值，并能使团队中的人工智能系统产生出更多有创造性的决策机制。

    Aug, 2023

  • 元学习好奇算法

    本文认为好奇心是一种进化机制，能够在智能体的一生中鼓励有意义的探索，以暴露它于能够使其获得高报酬的经验。该文提出了一种基于元学习的产生好奇行为的问题，并使用元学习算法将代理人的奖励信号动态调整来解决问题。作者进一步提出使用元算法来扩大其适用性，并将其他构建块（例如缓冲器、最近邻模块和定制丢失函数）与神经网络结合使用。最终，本文提出的两种好奇心算法在图像导航、机器人和其他领域表现优于人类设计的已发表算法。

    Mar, 2020

  • 竞争性多智能体搜索的进化策略

    本文以智能搜索技术在人机系统中的应用为出发点，提出了一种新的多智能体协作搜索方法，并通过实验结果表明，该方法优于传统的手动设计策略和传统树状搜索方法，并能够用于研究不同的人类创造性活动。

    Jun, 2023