Meta-Brain

雄の中枢神経系コネクトームを、強化学習のための疎な再帰基質として使う。ゲーム画面を感覚ニューロンに符号化し、コネクトーム由来のネットワークに活動を伝え、方策勾配で学習した読み出しが運動活動をボタン入力に変換する。2 つの系統の結果が正直に書かれている。40,000 ニューロン・1,199,959 辺の感覚運動部分グラフによる通路課題では報酬が -2.08 から 7.13 に上がり、成功率 25%。全コネクトームのスーパーマリオは訓練中に x=1,800 付近まで進んだ回もあるが、決定的評価の平均は x=314、成功率 0 で、5 エピソードすべて死亡で終わった。

公式サイト ↗

#reinforcement-learning#mario#negative-result#cuda#policy-gradient#malecns