2025年10月31日
TE2025年10月30日
罗克韦尔2025年10月24日
采埃孚2025年10月24日
兆易创新2025年10月24日
欣旺达2025年10月27日
魏德米勒
2025年10月22日
倍福
2025年10月16日
罗克韦尔
2025年10月16日
明珞装备
2025年10月11日
EMAG
2025年10月31日
海克斯康
2025年10月24日
Melexis
2025年10月24日
倍加福
2025年10月23日
科尔摩根
2025年10月23日
海康机器人
创建可以像人类一样有效地学习竞争和合作的人工智能代理仍然很难。关键挑战在于让AI代理能够预测其他代理的未来行为，同时都在学习。而目前的方法都较为短视，代理只能猜测队友或竞争对手接下来的几步，无法从长远考量，从而导致性能不佳。
据外媒报道，来自麻省理工学院（MIT）、MIT -IBM沃森人工智能实验室（Watson AI Lab）和其他机构的研究人员开发出新方法，可为人工智能代理提供有远见的视角。该机器学习框架使合作或竞争的人工智能代理能够考虑其他代理在长远未来（接近无穷）的行为，而非仅仅接下来几个步骤。然后代理会相应地调整行为以影响其他代理的未来行为，并得出最佳的长期解决方案。
图片来源：MIT
一组自动无人机可以使用这个框架协同工作，例如在茂密的森林中寻找迷路的徒步旅行者，或者自动驾驶汽车在高速公路上行驶，且可通过预测其他车辆的未来移动保护乘员安全。
MIT信息和决策系统实验室（LIDS）研究生、论文主要作者Dong-Ki Kim表示：“当AI代理合作或竞争时，最重要的是它们的行为何时会在未来的某个时刻相遇。沿途有很多短暂的行为，从长远来看并不重要，但相遇非常重要。我们现在有一种数学方法可预测相遇。”
官方微信号
官方视频号
