谷歌AI在游戲中組隊擊敗人類團隊 這一壯舉到底有何意義？

極客網(wǎng)?極客觀察（小刀）6月4日，聽說過“奪旗”嗎？這是一個游戲，夏令營時，孩子們會在空地上玩；一些職業(yè)視頻游戲玩家也會玩。不論是在現(xiàn)實世界玩還是在電腦上玩，“奪旗”都是一個團隊游戲。兩隊人馬對峙，都想奪走對方的旗幟，帶回基地，并守衛(wèi)自己的旗幟。想成為贏家需要團隊合作，在防守與反擊之間保持協(xié)調(diào)。

換句話說，奪旗需要高超的人類技巧。倫敦谷歌AI實驗室的研究人員向我們證明，機器可以不斷學習，掌握游戲，至少在虛擬世界可以做到。

谷歌AI研究人員發(fā)表論文稱，它們已經(jīng)開發(fā)出一套自動“代理”，在Quake III游戲內(nèi)，它們可以玩“奪旗”游戲。代理可以組隊對抗人類玩家，或者與代理團隊對決。

谷歌旗下實驗室DeepMind的研究人員Wojciech Czarnecki說：“它們可以適應擁有任意技能的隊友。”

代理不斷玩游戲，學了幾千小時之后就能掌握一些特殊技巧，比如當一名團隊成員即將奪到旗幟時，它們會沖向敵軍基地。因為人類玩家都知道，當對方的旗幟被帶回基地時，會有一面新的旗幟出現(xiàn)在對方基地，等著被奪取。

DeepMind正在開發(fā)AI，它可以玩復雜的3D視頻游戲，比如Quake III、Dota 2、《星際爭霸2》。許多人相信，如果AI能夠在虛擬競技場獲得勝利，它也許能變成自動系統(tǒng)，用于現(xiàn)實世界。

例如，類似的技術(shù)可以用在倉庫機器人身上，讓機器人組隊搬運貨物，從一個地方運到另一個地方，或者幫助自動駕駛機器人穿過擁擠的車流。OpenAI研究人員Greg Brockman解釋說：“游戲一直以來都是AI的評測基準。如果你不能解決游戲問題，就無法解決其它問題?！?/p>

不久之前，想開發(fā)一套AI系統(tǒng)，讓它在Quake III之類的游戲中對抗人類，還是一件不可能的事。就在前幾年，DeepMind、OpenAI及其它實驗室取得明顯進步，它們用到一種新的數(shù)學技術(shù)，也就是“增強學習”，有了這種技術(shù)，機器可以通過極端試錯不斷學習。

通過一次又一次的游戲，自動代理不斷學習，理解到哪種策略能帶來成功，哪種不能。當一名團隊成員即將奪到旗幟，如果朝著敵軍的基地沖鋒能拿到更多點數(shù)，代理會將這種策略吸收進去。

正是憑借這一策略，2016年DeepMind開發(fā)的AI代理在圍棋上擊敗人人類。第一稱視頻游戲更復雜一些，如果是兩個團隊對決，那就更復雜了。DeepMind的自動代理玩了大約45萬回合的游戲，學著奪旗，相當于在幾周的時間內(nèi)訓練了4年。最開始時，代理慘敗。但它最終理解到了游戲的訣竅，比如當它們襲擊敵軍的基地時，何時應該追隨隊友前進。

DeepMind還在開發(fā)可以擊敗人類的《星際爭霸2》代理，OpenAI研究人員也開發(fā)了一套可以玩Dota 2的代理。4月份，在Dota 2游戲中，5個代理組成團隊，擊敗了5名人類頂尖高手組成的團隊。

William Lee是一名職業(yè)Dota 2玩家，去年，他曾經(jīng)與早期版本的AI系統(tǒng)對決，一對一玩游戲，當時AI并沒有給William Lee留下深刻印象。后來代理不斷學習，當William Lee以團隊成員的身份與AI團隊對決時，他為AI的表現(xiàn)感到震驚。William Lee說：“我原本以為，機器不可能以5對5的方式玩游戲，更別說贏了。所以我感到很驚訝?！?/p>

AI可以在游戲中戰(zhàn)勝人類，這樣的技術(shù)真的可以用來解決現(xiàn)實問題嗎？佐治亞理工學院計算機系教授Mark Riedl認為，AI代理并沒有真正協(xié)作，它們只是對游戲中發(fā)生的事迅速回應，并不是AI代理之間傳遞了信息，人類玩家會傳遞信息。

雖然AI的表現(xiàn)看起來像是協(xié)作，但它們之所以做到是因為AI深刻理解到游戲中正在發(fā)生什么事。

DeepMind研究人員Max Jaderberg說：“你如何定義團隊合作，這不是我們想解決的問題。當一名代理坐在敵軍基地里，等著旗幟出現(xiàn)，這種行為只有依賴團隊成員才能實現(xiàn)?！?/p>

Riedl認為，游戲沒有現(xiàn)實世界復雜，游戲里的3D環(huán)境是精心設(shè)計的，導航更容易，在Quake游戲中執(zhí)行戰(zhàn)略、追求協(xié)作更簡單一些。

增強學習適合這樣的游戲。在視頻游戲中，成功的標準就是拿到更多點數(shù)。在奪旗游戲葉，奪取的旗幟越多，點越多。但在真實世界，成功不是用點數(shù)來衡量的，它有多種多樣的衡量標準。

不過做一些簡單任務還是可以的。OpenAI訓練一只機器人手臂，讓它操縱字母塊。你讓手臂展示字母A，它就會將A字母塊展示給你看。谷歌也向我們演示，機器可以學著挑選隨機物件，比如乒乓球、塑料香蕉，然后將它們?nèi)拥较喔粢欢尉嚯x的垃圾桶。類似的技術(shù)可以用在倉庫。

想解決更復雜的問題，需要更強的計算力。OpenAI系統(tǒng)花了幾個月時間學著玩Dota 2游戲，玩的時間累計超過45000年，它需要依賴幾萬顆計算機芯片才能完成。Brockman說，租賃這些芯片花了計算機幾百萬美元。

DeepMind和OpenAI能夠承擔高昂的成本，但是其它學術(shù)實驗室、小機構(gòu)承受不起。有人擔心，少數(shù)財大氣粗的實驗室將會成為未來AI的統(tǒng)治者。

不過即使是大型實驗室，恐怕也沒有足夠強的計算力可以驅(qū)動用于現(xiàn)實世界的技術(shù)。雖然AI可以在虛擬世界奪旗，擊敗人類，但在夏令營空地上，它們沒有希望登場，至少短期之內(nèi)看不到希望。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。