從象棋到圍棋 AI今年在所有的游戲中都打敗了人類

• 2017年12月28日 ZhouXun來源：網(wǎng)易智能 335 14
• 繁體

• 

  2018-2023年中國人工智能行業(yè)全景調(diào)研與發(fā)展戰(zhàn)略研究咨詢報告

  產(chǎn)業(yè)現(xiàn)狀近年來，工信部以信息技術(shù)、制造技術(shù)深度融合為主線，以人工智能在制造業(yè)的創(chuàng)新運用為主攻方向，在大數(shù)據(jù)、智能制造、機器人產(chǎn)業(yè)等人工智能相關(guān)領(lǐng)域開展了一系列的工作，積極推進人工智...

在過去的12個月里，人工智能跨越了一系列的新門檻，最終在各種不同的游戲中擊敗了人類玩家，從古老的圍棋游戲到動態(tài)互動的紙牌游戲，德州撲克。

在20世紀的大部分時間里，國際象棋是人工智能研究人員的一個基準。早在上世紀50年代初，約翰·麥卡錫提出了“人工智能”一詞，他曾把國際象棋稱為“人工智能領(lǐng)域的果蠅”，這一說法來源于早期對果蠅的研究對遺傳學領(lǐng)域的影響。

上世紀90年代末，IBM的“深藍”與世界冠軍加里·卡斯帕羅夫進行了一系列國際象棋比賽。

在1997年，深藍最終擊敗了卡斯帕羅夫，這是機器第一次在比賽中擊敗世界冠軍。到本世紀早中期，這項技術(shù)已經(jīng)進步到了一定程度，在幾乎所有不同玩法的游戲中，機器都在不斷地打敗國際象棋大師。

自然而然地，人工智能開發(fā)者開始轉(zhuǎn)向其他更復雜的游戲，以測試他們?nèi)找鎻碗s的算法。在過去的12個月里，人工智能跨越了一系列的新門檻，最終在各種不同的游戲中擊敗了人類玩家，從古老的圍棋游戲到動態(tài)互動的紙牌游戲，德州撲克。

從國際象棋到圍棋

上世紀90年代末，機器終于徹底打敗了國際象棋大師后，一位來自普林斯頓的天體物理學家評論說，“可能要等上一百年，電腦才能在圍棋中打敗人類——甚至可能更長?！?/p>

于是計算機科學家們又把研究的注意力轉(zhuǎn)向圍棋，這是一個來自中國的古老的策略游戲，非常容易學會，但是很難做到精通。

在過去的十年中，機器學習的發(fā)展創(chuàng)造了真正有競爭力的人工智能圍棋選手。2014年，谷歌開始開發(fā)一個名為AlphaGo的深度學習神經(jīng)網(wǎng)絡(luò)。在經(jīng)歷了幾年的接近成功之后，開發(fā)團隊嘗試了一些不同的東西。

在2016年末，一個名為“Master”的神秘網(wǎng)絡(luò)圍棋選手出現(xiàn)在了亞洲熱門游戲服務(wù)器Tygem上。在接下來的幾天里，這個神秘的玩家在于許多世界冠軍的比賽中占據(jù)了主導位置。到2017年1月4日，官方確認“Master”實際上是DeepMind的AI AlphaGo的最新版本。

2017年5月，AlphaGo “Master”打敗了柯潔——世界上排名第一的圍棋選手。在AlphaGo和柯潔對戰(zhàn)的三場比賽中，這臺機器一直處于優(yōu)勢地位，但最令人吃驚的是，在10月份的時候，谷歌已經(jīng)研究出了一個比“Master”更先進的AlphaGo版本。

根據(jù)《自然》雜志的一篇文章中，AlphaGo Zero是一種革命性的算法，它能夠迅速地自學圍棋。這個系統(tǒng)一遍又一遍地與自己對戰(zhàn)，掌握了不同情況下的游戲方法。經(jīng)過21天的學習，AlphaGo Zero已經(jīng)達到了“Master”的水平。40天后，它就已經(jīng)超過了之前所有版本的技能水平。

到2017年12月，DeepMind推出了一個更先進的系統(tǒng)版本。這款名為AlphaZero的新人工智能可以在幾小時內(nèi)掌握多種游戲。經(jīng)過8個小時的自我訓練，該系統(tǒng)不僅可以擊敗之前的AlphaGo Zero，還可以完全掌握國際象棋和日本將棋。

掌握撲克牌中的“欺詐”術(shù)

盡管圍棋游戲的復雜度已經(jīng)非常之高，但對于人工智能來說，圍棋和撲克采用是兩種完全不同的模式。要想在撲克游戲中取勝，你需要掌握一定的欺詐技能。欺詐以及識別他人的欺詐是在紙牌游戲中取勝需要掌握的關(guān)鍵技能。

經(jīng)過十多年的嘗試，在2017年，兩項獨立研究顯示，人工智能終于打敗了一流的撲克牌專業(yè)人士。來自加拿大阿爾伯塔大學的研究人員推出了一個人工智能系統(tǒng)，DeepStack，它可以用一種人工智能形式的“直覺”來全面控制人類撲克玩家。

卡內(nèi)基梅隆大學的一個研究小組在2017年1月舉辦了一場更加公開的活動，當時它的Libratus AI系統(tǒng)花了20天時間，與四名專業(yè)的撲克玩家一起玩了12萬局無限注“德州撲克”。盡管專業(yè)人士每天晚上都在討論他們可以利用人工智能的哪些弱點，但這臺機器每天都在改進自身，修補游戲玩法中的漏洞，改進策略。

人類的大腦無法與機器匹敵，在經(jīng)過近一個月的不間斷游戲之后，這臺機器總共贏了170萬美元，而這4位專業(yè)人士中的每一位都損失了數(shù)千美元的虛擬貨幣。其中一名專業(yè)玩家對《連線》雜志說：“在這次激烈的比賽中，我感覺自己在和一個作弊的人比賽，就好像我的牌可以被他看到一樣。我不是在指責它作弊。這其實是一件好事?！?/p>

埃隆·馬斯克的AI研究

2015年，埃隆·馬斯克和一小群投資者成立了一個名為OpenAI的項目。該項目旨在探索人工智能系統(tǒng)的發(fā)展，尤其是在強化學習方面。在這種系統(tǒng)中，機器可以教會自己如何在特定的任務(wù)中提高自己的能力。

2017年8月，OpenAI團隊將目光投向了征服Dota 2，這是一場名為“The International”的大型電子競技錦標賽中的核心比賽。Dota 2是一款非常受歡迎且非誠復雜的多人在線對戰(zhàn)游戲，在競技游戲領(lǐng)域是一項嚴肅的比賽。

在僅僅兩周的學習之后，OpenAI機器人就加入到了這場錦標賽中，隨后擊敗了世界上的幾名頂尖選手。目前人工智能系統(tǒng)只被訓練過較為簡單的一對一版本的游戲，但OpenAI團隊正在研究如何讓AI掌握五對五的“團隊”游戲。

AI通過分工玩轉(zhuǎn)“吃豆人”游戲

幾年前，谷歌DeepMind對其人工智能在49款雅達利2600的游戲中進行了訓練。只要有和人類玩家相同的輸入，AI就會知道如何玩這些游戲并在游戲中獲勝。事實證明，有些游戲確實比其他游戲更難以駕馭，在這些經(jīng)典的、眾所周知非常困難的游戲中，20世紀80年代的一款電子游戲“吃豆人”尤其具有挑戰(zhàn)性。

2017年，谷歌收購了一家名為Maluuba的深度學習創(chuàng)業(yè)公司，并將其并入DeepMind。Maluuba的新型機器學習方法被稱為“混合式獎賞架構(gòu)”(HRA)。將這種方法應(yīng)用到吃豆人系統(tǒng)中，該系統(tǒng)創(chuàng)建了150多個個體代理，每一個都有特定的目標——比如找到一個特定的豆子，或者避免幽靈。

HRA方法生成一個高級代理，類似于高級經(jīng)理。在做出每一步的最終決定之前，這個高級代理會評估所有來自下級代理的建議。這種方法被委婉地稱為“分而治之”，即把復雜的任務(wù)分解成更小的部分。

在將這個方法應(yīng)用到吃豆人之后，AI很快就掌握了如何獲得999990分的高分，這是之前沒有人或人工智能能做到的。

AI將開始設(shè)計游戲

如果人工智能能在幾乎每一場比賽中擊敗我們，那我們下一步該干什么?

法爾茅斯大學的一名研究人員最近公布了一種機器學習算法，他聲稱這一算法可以為我們創(chuàng)造出自己的游戲，我們從零開始玩游戲。這個人工智能系統(tǒng)名為Angelina，它每天都在不斷改進自己，但目前它已經(jīng)可以利用從維基百科共享到在線報紙以及社交媒體等各種來源的數(shù)據(jù)集制作游戲。

那么這一切意味著什么呢?

也許2017年最重大、最可怕的發(fā)展是強化學習系統(tǒng)的巨大進步。這些程序可以有效地教會它們自己如何掌握新技能。例如，最近的AlphaZero迭代可以在幾天的自主學習之后，在一些游戲中獲得超能力。

一項對350多名人工智能研究人員進行的大規(guī)模調(diào)查顯示，人工智能還不足以打敗我們。這項調(diào)查預(yù)測，在10年內(nèi)，人工智能將會比我們更優(yōu)秀，到2049年它將能夠?qū)懗鲆徊繒充N小說，到2053年，它將會比人類在外科手術(shù)中表現(xiàn)的更好。事實上，該調(diào)查得出的結(jié)論是，到2060年，人工智能將有50%的幾率能夠完成我們所能做的所有事情，并且效果會更好。

2017年無疑是人工智能在日益復雜的游戲中打敗人類的里程碑式的一年，盡管這看起來是一項微不足道的成就，但它的影響是巨大的。許多這些人工智能開發(fā)公司正迅速將目光投向現(xiàn)實世界的挑戰(zhàn)。

谷歌DeepMind已經(jīng)將AlphaGo Zero的系統(tǒng)應(yīng)用到了其他領(lǐng)域，并進行了一項有關(guān)蛋白質(zhì)折疊的全面研究，以期揭示治療阿茲海默和帕金森等疾病的治療方法。

“最終，我們希望利用像這樣的算法突破來幫助解決各種現(xiàn)實世界問題中亟待解決的問題，”DeepMind的共同創(chuàng)始人兼首席執(zhí)行官杰米斯?哈扎比斯(Demis Hassabis)說，“如果類似的技術(shù)可以應(yīng)用于其他結(jié)構(gòu)性問題，比如蛋白質(zhì)折疊、減少能源消耗或?qū)ふ腋锩孕虏牧希敲慈〉玫耐黄茖⒂锌赡芗訌娙祟悓@個世界的理解，并對我們所有人的生活產(chǎn)生積極影響。”

延伸閱讀

推薦閱讀

猜您喜歡