一个AI玩41个游戏，谷歌最新多游戏决策Transformer综合表现分是DQN的两倍(2)

可视化智能体训练过程

此外，开发者们还别出心裁地将智能体的行为可视化。 然后他们发现，这个多游戏决策智能体一直都在关注着包含关键环境特征等重要信息的区域，而且它还可以“一心多用”：即同时关注多个重点。 △ 红色越亮表示智能体对那块像素的关注度越高 这种多样化注意力分配也提高了模型的性能。

拓展性更好

如今规模已成为许多机器学习相关突破的重要驱动力之一，而规模拓展一般是通过增加Transformer模型中的参数数量来实现的。 研究者发现，这个多游戏决策Transformer也是类似的：随着规模扩大，和其他模型相比，其性能提升显著。

Facebook也在研究决策Transformer

谷歌AI使用决策Transformer不仅提高了AI玩多个游戏的水平，还提升了多游戏智能体的扩展性。 除此之外，据谷歌大脑、加州大学伯克利分校和Facebook AI Research合作的一篇论文介绍，决策Transformer架构在强化学习研究平台OpenAI Gym和Key-to-Door任务上也表现出色。 或许决策Transformer正是通用人工智能 （AGI） 发展的关键因素之一。 对了，谷歌AI表示，相关代码和Checkpoint会在GitHub上陆续开源，感兴趣的小伙伴们可以去看看~