DeepMind 打造 AI 游戲系統，可以玩****、國際象棋、圍棋等，戰斗力爆表

編譯 | 禾木木

出品 | AI科技大本營(yíng)（ID:rgznai100）

谷歌母公司 Alphabet 的人工智能實(shí)驗室 DeepMind 長(cháng)期以來(lái)一直投資于游戲人工智能系統。實(shí)驗室的理念是，游戲雖然缺乏明顯的商業(yè)應用，但卻是認知和推理能力的獨特相關(guān)挑戰。這使它們成為 AI 進(jìn)步的有用基準。

與此前開(kāi)發(fā)的游戲系統不同，DeepMind 創(chuàng )建了一個(gè)名為 Player of Games 的系統，是第一個(gè)在完全信息游戲以及不完全信息游戲中都能實(shí)現強大性能的 AI 算法。與 DeepMind 之前開(kāi)發(fā)的其他游戲系統，如國際象棋冠軍AlphaZero和星際爭霸 II 的 AlphaStar 不同，博弈者可以在完全信息游戲（例如中國圍棋和國際象棋）和不完全信息游戲（例如，****）中表現出色。

無(wú)論是解決交通擁堵問(wèn)題的道路規劃，還是合同談判、與顧客溝通等互動(dòng)任務(wù)，都要考慮和平衡人們的偏好，這與游戲策略非常相似。AI系統可能通過(guò)協(xié)調、合作和群體或組織之間的互動(dòng)而獲益。像 Player of Games 這樣的系統，能推斷其他人的目標和動(dòng)機，使其與他人成功合作。

不完全對完全

不完全信息游戲的信息在游戲過(guò)程中對玩家是隱藏的，相比之下，完全信息游戲在開(kāi)始時(shí)會(huì )展示所有的信息。

要玩好完全的信息游戲，需要相當多的預見(jiàn)性和計劃。玩家必須處理他們在棋盤(pán)上看到的東西，并決定他們的對手可能會(huì )做什么，同時(shí)努力實(shí)現最終的勝利目標。不完全信息游戲則要求玩家考慮隱藏的信息，并思考下一步應該如何行動(dòng)才能獲勝，包括可能的虛張聲勢或組隊對抗對手。

DeepMind 稱(chēng)，Player of Games是首個(gè)“通用且健全的搜索算法”，在完全和不完全的信息游戲中都實(shí)現了強大的性能。

Player of Games 有很強通用性，不過(guò)不是什么游戲都能玩。參與研究的DeepMind高級研究科學(xué)家馬丁·施密德（Martin Schmid）說(shuō)，在完全信息游戲中，AlphaZero比Player of Games更強大，但在不完全的信息游戲中，就沒(méi)有那么厲害。系統需要考慮每個(gè)玩家在游戲中的所有可能觀(guān)點(diǎn)。雖然在完全信息游戲中只有一個(gè)視角，但在不完全信息游戲中可以有很多這樣的視角，例如，****大約有 2,000 個(gè)。此外，與 DeepMind AlphaZero 的繼任者 MuZero 不同，Player of Games 也需要了解它所玩的游戲規則，而 MuZero 可以即時(shí)掌握完全信息游戲的規則。

在其研究中，DeepMind 在國際象棋、圍棋、德州****和戰略棋盤(pán)游戲《蘇格蘭場(chǎng)》上的表現，評估了 Player of Games 使用谷歌 TPUv4 加速芯片組進(jìn)行訓練。對于圍棋，它在 AlphaZero 和 Player of Games 之間設置了 200 場(chǎng)比賽，而對于國際象棋，DeepMind 則讓 Player of Games 和 GnuGo、Pachi 和 Stockfish 以及 AlphaZero 在內的頂級系統進(jìn)行了較量。Player of Games 的德州****比賽使用公開(kāi)可用的 Slumbot 進(jìn)行，該算法還與 Joseph Antonius Maria Nijssen 開(kāi)發(fā)的 PimBot 進(jìn)行了蘇格蘭場(chǎng)的比賽。DeepMind 的合著(zhù)稱(chēng)為“PimBot”。

在國際象棋和圍棋中，Player of Games 被證明在某些配置中比 Stockfish 和 Pachi 更強大，并且它在對抗最強的 AlphaZero 系統時(shí)贏(yíng)得了 0.5% 的比賽。盡管在對陣 AlphaZero 的比賽中損失慘重，但 DeepMind 認為 Player of Games 的表現達到了“頂級人類(lèi)業(yè)余愛(ài)好者”的水平，甚至可能達到了職業(yè)水平。

結果顯示，Player of Games是一個(gè)更好的德州****和蘇格蘭場(chǎng)玩家。與Slumbot對戰時(shí)，該算法平均每hand贏(yíng)得700萬(wàn)個(gè)大盲注（mbb/hand），mbb/hand是每1000 hand贏(yíng)得大盲注的平均數量。

同時(shí)在蘇格蘭場(chǎng)，DeepMind稱(chēng)，盡管PimBot有更多機會(huì )搜索獲勝的招數，但Player of Games還是“顯著(zhù)”擊敗了它。

未來(lái)

Schmid 相信 Player of Games 是向真正通用的游戲系統邁出的一大步。

實(shí)驗的總體趨勢是，隨著(zhù)計算資源增加，該算法的性能會(huì )更好，Schmid 預計這種方法將在可預見(jiàn)的范圍內擴展未來(lái)。

“人們會(huì )認為，受益于A(yíng)lphaZero的應用程序可能也會(huì )受益于游戲玩家?！彼劦?，“讓這些算法更加通用是一項令人興奮的研究?！?/p>

參考鏈接：

https://venturebeat.com/2021/12/08/deepmind-makes-bet-on-ai-system-that-can-play-poker-chess-go-and-more/