LeCun正面硬刚OpenAI黑箱优化论：最后没招了才干这个

若朴 发自 whitfield 量子位·QbitAI 报道

训练神经网络不是一件易事。

就算不考虑实现的难度，不计较计算力的使用，一切顺利的话可能也得几个小时才能搞定。所以OpenAI的研究人员最近发布了一个新思路。

他们制定了一个进化策略（别误会，这与生物进化关系不大），使用“黑箱”而不是通常的强化训练(通常基于梯度)。所谓“黑箱”，就是不管什么环境和神经网络，系统从许多随机参数开始，尝试然后继续尝试，最后找打理想的结果。

整个设置就是一大堆数字输入，然后输出一个数字，执果索因在上百万的数字里找到最好的配置。这是一个“猜测然后检测”的过程。

Andrej Karpathy参与的这项OpenAI论文声称：“黑箱”进化算法，可以与强化学习方法媲美，耗时更少而且代码简单。

对这个理论感兴趣的同学，请前往：https://arxiv.org/abs/1703.03864，以及：https://github.com/openai/evolution-strategies-starter 。

不过，这个理论遭遇Yann LeCun(杨立昆)的正面硬刚，LeCun大神说：

1、基于梯度的优化，远比黑箱优化更有效率

2、黑箱优化应该是最后的办法，无法基于梯度优化时才用

3、对于知道强化学习和黑箱优化的人来说，OpenAI这篇东西没什么用

截图为证，大家自行体会吧：