人类的聪慧在很大程度上依赖于从其他人那里得到知识——这些知识随着韶光的推移积累起来，成为我们文化进化的一部分。
这种在文献中被称为文化传播的社会学习办法，使我们能够实时地模拟动作和行为。
但是，人工智能也能以同样的办法发展社会学习技能吗？

模拟学习长期以来一贯是人工智能的一种演习方法，辅导算法不雅观察人类完成任务，然后考试测验模拟他们。
但常日，AI工具须要多个示例和大量数据的曝光才能成功复制他们的演习者。

现在，DeepMind研究职员的一项首创性研究声称，AI代理也可以在实时环境中展示社会学习技能，通过在新颖的环境中模拟人类“而不该用任何预先网络的人类数据”。

详细而言，团队专注于一种特定形式的文化传播，即不雅观察学习或（少样本）模拟，指的是身体动作的复制。

DeepMind在一个名为GoalCycle3D的仿照环境中进行了实验，这是一个具有不平坦地形、人行道和障碍物的虚拟天下，AI代理须要在个中导航。

为了帮助AI学习，研究职员采取了强化学习。
对付那些对巴甫洛夫在该领域的事情不熟习的人来说，这种方法基于为促进学习和达到期望结果的每个行为供应褒奖 - 在这种情形下，是找到精确的路径。

在接下来的阶段，团队添加了专家代理（无论是硬编码还是由人掌握），他们已经知道如何在仿照中导航。
AI代理很快理解到，到达目的地的最佳方法是向专家学习。

研究职员的不雅观察结果是双重的。
首先，他们创造当模拟专家时，AI不仅学习速率更快，而且还将所得到的知识运用于其他虚拟路径。
其次，DeepMind创造纵然没有专家，AI代理仍旧可以利用他们的新技能，这在研究作者看来构成了社会学习的一个例子。

只管作者指出须要进行更多的研究，但他们认为他们的方法可以为“文化蜕变在人工通用智能的发展中发挥算法浸染”铺平道路。
他们还期待AI和文化进化生理学领域之间进一步的跨学科互助。

只管DeepMind的打破处于早期阶段，但它可能对人工智能行业产生重大影响。
这样的进步有可能减少传统、资源密集型的算法演习，同时增加它们的问题办理能力。
它也引发了一个问题，即人工智能是否能够学习获取人类思维的社会和文化要素。