X057 Nature 重磅！ 人类设计的算法被强化学习 AI超越了！
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-10-31 ｜ 原文链接
PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier
一键关注，点亮星标 ⭐️
不错过每日前沿资讯
认知神经科学前沿文献分享
基本信息：
Title:Discovering state-of-the-art reinforcement learning algorithms
发表时间：2025.10.22
Journal:Nature
影响因子：48.5
获取原文：
- 后台回复“文献”即可获取PDF版本
- 点击页面底部“阅读原文”即可跳转论文原网页
- 添加小助手：PSY-Brain-Frontier，获取原文
引言
想象一下，无论是动物通过数百万年的进化掌握了生存技能，还是婴儿蹒跚学步时通过不断摔倒和尝试最终学会行走。这种通过试错和反馈来学习的机制，就是强大的“强化学习”（RL）。
然而，在人工智能（AI）领域，机器的“学习规则”长期以来依赖人类专家的“手工打造”。这个过程不仅缓慢费力，还受限于人类的知识和直觉。我们能否像生物进化一样，让AI“自主进化”，自己去“发现”更强大的学习算法？这个目标虽然被追求了几十年，却一直难以实现。
研究总结
近日，发表于 Nature 的一项研究中，来自 Google DeepMind 的团队成功实现了这一跨越。
研究者们采用了一种“元学习”（meta-learning）方法，让一个由大量智能体组成的“种群”在众多复杂环境中进行“演化。该方法的核心是让系统自主发现更新自己策略和预测的“规则”。
这个被机器自主发现的规则被称为 DiscoRL。在标准测试（如雅达利游戏基准）上，DiscoRL 的表现超越了所有现存的人工设计的强化学习规则。更重要的是，它在那些从未“见过”的全新复杂任务上（ProcGen）也展现了卓越的泛化能力，击败了许多顶尖算法。
这项工作表明，AI自主发现强大的学习算法不仅是可能的，而且其性能可以超越人类的设计。研究还发现，用于“进化”的环境越复杂多样，发现的算法就越强大和通用。这一发现意义重大，它预示着未来高级人工智能所需的算法，或许将不再依赖人类的手工设计，而是由机器在经验中自动发现。
核心图片
Figure 1: Discovering a reinforcement learning rule from a population of agents
Figure 2: Evaluation of DiscoRL
相关阅读
周报-20251006 | 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态 ⭐️[解读链接]
周报-20250922 |认知神经科学前沿动态周览 *⭐️[解读链接]***
周报-20251020|认知神经科学前沿动态周览**⭐️[ 解读链接 ]****
Nature |决策过程的动力学机制与神经模式转变 ⭐️[解读链接]
Nature |颠覆认知 ! “神经振荡”不成立？耶鲁团队提出大脑“伽马事件”新理论 ⭐️[解读链接]
Science |中国将领衔未来25年全球脑计划，剑指灵长类大脑地图 *⭐️[解读链接]***
Neuron |大脑如何区分现实与想象？伦敦大学学院团队最新研究揭秘“现实信号”的神经密码 ⭐️[解读链接]
Nature | 视觉系统新发现：压缩式的物体识别机制 ⭐️[解读链接]
Nat Hum Behav｜你不是天生就爱跟风：社会特征学习理论揭示人类“随大流”背后的秘密 *⭐️[解读链接]***
Nature |“读心术”成真？从瞳孔变化中解码大脑皮层完整时空动态 ⭐️[解读链接]
PNAS｜刷短视频停不下来？研究揭示“新奇感”是驱动人类探索的古老密码 *⭐️[解读链接]***
Neuron | 最强脑发育数据库RBC开放下载，6000+青少年大脑数据揭示精神健康的秘密 ⭐️[解读链接]
Nature 子刊综述｜大脑预测误差的核心回路 *⭐️[解读链接]***
前沿交流 | 欢迎加入认知神经科学前沿交流群！⭐️[解读链接]
本文解读基于：Discovering state-of-the-art reinforcement learning algorithms，Doi：10.1038/s41586-025-09761-xIF: 48.5 Q1 B1。核心图表、方法细节、统计结果与讨论见原文及其拓展数据。
分享人：天天
审核：PsyBrain 脑心前沿编辑部
PsyBrain 脑心前沿
带你了解心理学、脑科学的前沿知识与技术流程
预览时标签不可点
阅读原文
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务