DeepMind · 大模型
DeepMind 发布 Imitating Interactive Intelligence 研究
DeepMind 推出了名为 Imitating Interactive Intelligence 的新研究，旨在通过模仿学习让 AI 掌握更复杂的交互式智能行为。这项研究聚焦于让模型在动态环境中像人类一样进行互动、协作和决策，而不仅仅是完成被动任务。相关工作可能为构建更具自主性的 agent 奠定基础，可用于持续社交交互和实时反馈场景。DeepMind 未公开完整技术细节，但该方向被视为迈向通用交互智能的重要尝试。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-18
导读
DeepMind 在 Imitating Interactive Intelligence 研究中尝试一个根本问题：如何让 AI agent 像人类一样在丰富环境中与人互动、理解模糊语言指令并做出合适反应。研究团队搭建了名为 Playroom 的模拟环境，房间尺寸、家具布局、窗户门洞、儿童玩具与日常物品的位置均可随机化，两个 agent 同时嵌入其中，进行空间推理、指代消解、遮挡判断、合作交互。为获取训练数据，研究者请人类志愿者两两在该环境中互动一年以上，一人扮演 setter 提出指令或问题，另一人扮演 solver 执行任务。
方法学层面把模仿学习、强化学习、监督与无监督学习整合为一种 interactive self-play。从人类示范出发，模型先通过 behavioural cloning 学策略，再用 inverse RL 推断奖励函数，最后用 forward RL 优化策略，监督与无监督辅助任务则用来塑形策略与奖励模型的表征。训练完成后，setter 与 solver 都可由 agent 承担，但实际部署时人类可作为 setter 与 solver agent 互动。论文中给出例子：setter 要求 solver 拿起餐桌前的飞机模型，solver 找到正确物体并完成任务。
实验由人类评审打分。随机初始化的 agent 成功率接近 0%，仅用 behavioural cloning 的 agent 在指令跟随与问答上达到 10% 至 20%，引入半监督辅助任务后表现改善，把监督、半监督与基于 interactive self-play 的强化学习三者结合的版本表现最优。这套方法的价值在于人类操作者可用自然语言开放式地设定新任务并快速评估 agent 能力边界。DeepMind 把它视为构建可与人类共处、能在复杂环境中协作的通用 agent 的早期路径。