在你采取行動之前，想象你的行動后果是人類認知的強大工具。例如，當將玻璃放在桌子的邊緣時，我們可能會考慮它的穩定性以及它是否會掉下去。在這個想象的結果的基礎上，我們會重新調整玻璃的穩定，防止它掉落和破裂。這種形式的審議推理本質上是“ 想象力 ”，它是一種顯著的人類能力，是我們日常生活中的關鍵工具。

　　DeepMind在其博客發布兩篇最新研究論文，重點介紹了AI想象力以及如何推理構建計劃。

　　如果我們的算法是發展同樣復雜的行為，他們也必須有能力“想象”未來。除此之外，他們必須能夠使用這種知識構建一個計劃。我們在這一領域看到了一些巨大的成果 - 特別是在AlphaGo這樣的計劃中，使用“內部模式”來分析行動如何造成未來的結果，以便推理和計劃。

　　這些內部模型工作得很好，因為像Go這樣的環境是“完美的” - 他們有明確的規則，允許在幾乎每個環境中非常準確地預測結果。但現實世界是復雜的，規則不是那么明確，經常出現不可預測的問題。即使是最聰明的代理人，在這些復雜的環境中想象也是一個漫長而奢侈的過程。

　　“能夠處理不完善的模式，學習適應現狀的規劃策略是重要的研究課題”

　　在兩篇新的論文中，我們描述了一系列新的以想象為基礎的規劃方法。我們還介紹了為代理學習和構建計劃以最大化任務效率的新方法的體系結構。這些架構對于復雜和不完美的模型是高效的，可以采用靈活的策略來利用他們的想象力。