这位人工智能企业家正在开发能够提前计划意外情况的代理

为了实现这一目标，哈夫纳依赖于基于模型的强化学习。他开发了世界模型——旨在模拟物理现实的人工智能模型——并在其中训练代理。代理本质上将模型视为现实世界的模拟，并学习如何在那里行动。然后，它利用这些经验来预测（哈夫纳可能会说，梦想或想象）未来的结果。这使得代理——或者他们嵌入的机器人——能够在现实生活中应对不熟悉的情况。 “我在谷歌的研究领域与很多非常聪明的人进行了互动，而他很容易就跻身于 1% 的前半部分。” Timothy Lillicrap，谷歌 DeepMind 与其他工作不同，Hafner 的技术使代理和他们控制的机器人能够执行大规模复杂的任务，而无需传统上在机器人技术中使用的现实世界的试错训练。哈夫纳在德国东北部的一个乡村小镇长大，他的父母都是古典音乐家。他向邻居学习编程，在高中时他开始学习有关人工智能的在线课程，这很快就发展成了一种热情。 “我一直对思维的运作方式着迷，”他说。人工智能为他提供了一种在计算机上模拟它的方法。 2015 年，作为波茨坦哈索·普拉特纳研究所 (Hasso Plattner Institute) 工程专业二年级本科生，他获得了谷歌大脑 (Google Brain) 学生研究员的职位。此后，他在公司担任了十几个实习生和其他职位，包括在英国、加拿大和美国的 Google Brain 和 Google DeepMind（这两家公司后来合并为 DeepMind）工作过。他与行业传奇人物合作，包括经常被称为人工智能教父之一的 Geoffrey Hinton 和开创性研究论文《Attention Is All You Need》的合著者 Ashish Vaswani，该论文描述了当今大型语言模型所使用的 Transformer 技术。