贾保柱 钟正一 卫寒泽 刘荣荣 王群

摘要：通过自主学习和进化演变，通用型智能体能够在几乎没有领域相关知识的状态下适应不同的场景。其中的挑战之一就是如何设计一种通用方法从场景中捕捉该场景的状态特征。本文提出了一种进化策略，通过采用遗传编程直接从原始图像中演化出状态特征，进而使用投票机制决定智能体的行为。

关键词：通用型人工智能，遗传编程，图像内容

Through autonomous learning and evolution， the general purpose intelligent agent is able to adapt to different environments with little domain knowledge. One of the greatest challenges is to develop a general approach for extracting state features out of different scenes. We introduced a new method which uses genetic programming to evolve state features from raw images. A voting method is involved to determine the behavioral strategy of the agent.

Keywords： General artificial intelligence， Genetic programming， Image Content

1. 背景

近些年来，人工智能得到了爆发式的发展。尤其是在医学图像领域，人工智能在某些细分方向上已经达到或者超越了人类的表现。例如，Diego Ardila 等人[1] 在2019年提出了一种用于识别肺部肿瘤CT扫描的深度学习模型。该模型在肺癌筛查实验中的准确率达到了94.4%，已经优于与团队合作的六名资深放射科医生的判断准确度。与此同时，有大量研究成果也表明，最先进的人工智能模型在眼科的临床诊断和分析能力上均高于中等水平的眼科专家 [2， 3]。然而，不容忽视的是，这些模型都是针对某些特定应用领域而专门设计的。也就是说，在一个应用场景内训练得到的模型是无法在另一场景中使用的。為解决这一难题，研究人员提出了多种思路，其中通用型人工智能这一方向逐渐成为诸多学者竞相追逐的热点。

2. 相关研究

自2005年起，AAAI每年都会组织通用型人工智能游戏比赛。蒙特卡洛树搜索（Mento-Carol Tree Search）很早就在通用游戏对弈（General Game Playing）中证明它具有强大的搜索能力。

Naddaf 等在Atari 2600 主机游戏中引入了两个无模型的 AI 智能体。……