人工智能：在視頻游戲中理解常識

編譯 秦雪

一種稱為深度學習的人工智能技術目前正在用來模擬空間導航，這種人工智能系統建立了一種空間的表現，類似于在哺乳動物大腦內發現的網格細胞。

OpenAI5在多人戰略游戲Dota2的熱身比賽中擊敗了人類玩家

近日，研究人工智能（AI）和電腦游戲的科學家將一起觀摩最新的人機對抗比賽。比賽不是單個沉思的玩家對抗電腦，而是由5名頂級視頻游戲玩家組成的團隊對抗名為OpenAI 5的機器人團隊。在游戲中，玩家將瘋狂施展魔法、投擲虛擬火球，與機器人一較高下。即將在加拿大溫哥華舉行的年度電子競技國際錦標賽中，游戲玩家將進行實時戰略游戲Dota2。該比賽吸引了眾多職業玩家來爭奪數百萬美元的獎金。

1997年，IBM的“深藍”擊敗了國際象棋世界冠軍加里·卡斯帕羅夫（Garry Kasparov）。2016年，DeepMind的AlphaGo在中國傳統圍棋比賽中擊敗了世界圍棋大師李世石，另外，計算機在跳棋和某些形式的撲克比賽中也擊敗了人類。但是快節奏的多人游戲會帶來不同的挑戰，協作和管理的不可預測性對計算機來說是另一種挑戰。這一新的挑戰的目標是常識，我們依靠常識來幫助我們處理真實世界的情況，比如交通導航和家庭護理等，對于機器人來說，即使不用面對某種魔法，這也是一個不小的挑戰。

“人工智能的下一個大事件是合作。”倫敦大學學院的計算機科學家王軍（Jun Wang，音譯）說道，王軍參與了另一款實時策略游戲《星際爭霸II》（StarCraft II）的開發。英國牛津大學的計算機科學家雅各布·福爾斯特（Jakob Foerster）說道，這需要“戰略推理，即理解他人的動機”，他也是星際爭霸II的研究者之一。

Dota2（魔獸爭霸II）于2013年發布，在全球擁有數百萬玩家。比賽中，玩家團隊在防守自己的地盤的同時，努力摧毀敵方的地盤，在這個過程中同時也要為增加自己的力量和技能而收集資源。一場勢均力敵的比賽可持續約45分鐘。2017年，加州舊金山的非營利研究機構OpenAI透露說，他們已開發了一種可在一對一比賽中擊敗最優秀人類選手的人工智能。不過，OpenAI的聯合創始人兼首席技術官格雷格·布洛克曼（Greg Brockman）表示，國際比賽中五對五的比賽對計算機來說是一個更大的挑戰，因為比賽時間更長、比賽場景更無序。盡管如此，在上周的熱身活動中，OpenAI5輕松擊敗了一組前職業玩家。在現場直播觀眾面前輸掉比賽的威廉·李（William“Blitz”Lee）說道，“被非人類打敗真的很尷尬，我們一直被壓著打?！?/p>

在Dota2游戲中，每一個動作可選擇策略的范圍比國際象棋或圍棋要大得多，玩家每次做出動作選擇和決策時都可有成千上

萬種選擇，比如，從哪里逃走，選用哪個魔法，瞄準哪個目標等。如此多的自由選擇，再加上游戲固有的隨機性，以及玩家看不到的某些因素，意味著你每走一步都不可能對游戲做出完全的預測。在國際象棋和圍棋中，計算機算法可使用搜索樹，深入分析未來分支的可能走向，而在Dota2游戲中，對未來的預測很快就會變得模糊不清。

因此，OpenAI5使用的是神經網絡，而不是依賴于搜索樹。神經網絡技術是受大腦功能啟發而開發的一種計算機算法，即在對反饋做出響應的過程中，強化較小計算元素之間的聯系，AlphaGo也利用了將神經網絡與搜索樹結合在一起的計算機算法。在訓練過程中，系統摸索體驗游戲中的不同動作，采取的動作效果良好時，負責這些行為的神經網絡關系會得到強化。在經歷了海量的游戲設置或游戲玩法后，強大的游戲策略隨之產生。OpenAI就是應用了這種方法，在數千臺計算機上大規模運行該算法，即所謂的強化學習?！癘penAI5是我所見過的最令人驚嘆的強化學習演示之一，”哥本哈根信息技術大學的計算機科學家尼爾斯·賈斯森（Niels Justesen）說道，賈斯森也是星際爭霸II的研究開發者之一。

英國法爾茅斯大學研究人工智能和計算機游戲的計算機科學家邁克爾·庫克（Michael Cook）對這次熱身表演賽解析道，OpenAI 5能夠戰勝人類玩家依靠的是“對某些動作擁有超人計算能力的結果”。例如，擊敗某個特定的攻擊動作將有可能重創對手。OpenAI的反應時間與人類玩家相當，約為1/5秒，但在這一瞬間，系統可比人類大腦處理更多信息，在人類與計算機的巔峰對決中，這種徹底性和精確性對于對手來說是足以致命的，導致產生了“一種類似于閃電戰的游戲方式”，庫克說。這種能力令人驚嘆，但這種咄咄逼人的攻勢掩蓋了其在長期戰略中可能會表現出來的弱點，“在一場失敗的游戲中，人工智能代表的人物角色需要更多時間來增強自身能力，而且它無法做出調整?！睅炜苏f道。

從表面判斷，OpenAI 5的合作似乎也很成功，人工智能的5名選手都很愿意為團隊的整體利益而犧牲，個體的犧牲對于整個團隊可能是有利的?！斑@些機器人玩家非常具有犧牲精神。”李說。而人類玩家不太可能為勝利而放棄某個成員，他說：“貪欲在人類的想法中是非常普遍的?！倍斯ぶ悄懿灰粯樱鼈兯蕾嚨氖且环N蜂群思維，這種思維方式讓協調與合作變得更加容易。計算機系統中5個玩家的每一個都擁有幾乎相同的算法，它們都能看到其他人眼中看到的東西，而人類只能看到自己在屏幕上看到的東西，只有通過交談才能分享各自的信息。王軍教授說，無論是在游戲中還是在現實生活中，要與其他人或與他們不一樣的計算機程序合作，計算機算法最終將需要開發出各種溝通技巧和“心智理論”，即探知他人想法和愿望的模式。

星際爭霸II是許多人工智能研究人員更喜歡研究的游戲，如果有長期規劃可能更好。王說，這很像經濟學上的模式，它要管理一個殖民地的資源，就要建造一些武器工廠。對于人工智能探知對方思維的能力，其他游戲可能會比魔獸爭霸提供更好的測試，福爾斯特提到了一些戰略桌上游戲，如《卡坦島》（Settlers of Catan）和《大戰役》（Risk），在這些游戲中，要在多個玩家間進行談判、交易和結盟，包括合作和競爭。

即便如此，Dota2仍然是人工智能研究中一個有價值的測試。許多專家預測，OpenAI5將在國際比賽中獲勝。但是，德國多特蒙德工業大學的計算機科學家瓦妮莎·沃爾茲（Vanessa Volz）發現了一個潛在的不足之處，即OpenAI5的算法訓練時用的是自己和自己玩的模式。她說，“這種方法的不足之處是，如果遇到之前未玩過的游戲方式，就很容易招來敗績?！陛斀o了人工智能的李世石亦有同感。他說：“目前這個機器人有點死板，開始變得有些可預測，我覺得如果我和它再多下幾盤棋，我們就有可能擊敗它。”。

資料來源 Science

本文作者馬修·赫特森（Matthew Hutson）是《科學》雜志的專欄作者，主要撰寫人工智能、機器人、網絡安全和物聯網相關的文章。