DeepMind人工智能可以在各种游戏中击败人类
DeepMind人工智能可以在各种游戏中击败人类曾在DeepMind从事人工智能研究的MartinSchmid现在就职于一家名为均衡技术的初创公司。他表示，SoG模型可以追溯到两个项目。其中一个是DeepStack，这是由加拿大阿尔伯塔大学的Schmid等团队开发的人工智能，是第一个在扑克比赛中击败人类职业选手的人工智能。另一个是DeepMind的AlphaZero，它在国际象棋和围棋等游戏中击败了最优秀的人类棋手。这两种模型的不同之处在于，一种专注于不完美的知识游戏——玩家不知道其他玩家的状态，比如扑克游戏中的手牌；另一种专注于完美的知识游戏，比如国际象棋，双方玩家在任何时候都能看到所有棋子的位置。这两者需要根本不同的方法。DeepMind雇佣了整个DeepStack团队，目的是建立一个可以推广两种类型游戏的模型，从而诞生了SoG。Schmid表示，SoG最初是一份如何学习游戏的“蓝图”，然后通过实践来改进游戏。然后，这个初学者模型可以在不同的游戏中自由发挥，并教会自己如何与另一个版本的自己对抗，学习新的策略，逐渐变得更有能力。尽管DeepMind之前的AlphaZero可以适应完美的知识游戏，但SoG可以适应完美和不完美知识游戏，使其更具通用性。研究人员在国际象棋、围棋、扑克和一款名为“苏格兰场”的棋盘游戏上测试了SoG，还在Leduc扑克和一款定制版的“苏格兰场”上测试了SoG，结果发现它可以击败几个现有的人工智能模型和人类玩家。Schmid说，它应该也能学会玩其他游戏。“有很多游戏你可以直接扔给它，它真的非常非常擅长。”与DeepMind更专业的算法相比，这种广泛的能力在性能上略有下降，但SoG在学习的大多数游戏中都可以轻松击败最优秀的人类玩家。Schmid说，SoG学会了与自己对抗，以便在游戏中提高水平，但也要从游戏的当前状态探索可能出现的情况，即使它在玩一个不完美的知识游戏。“当你在玩像扑克这样的游戏时，你很难弄清楚，如果不知道对手持有什么牌，该如何找到最佳的下一步策略。”Schmid说，“所以有一些来自AlphaZero的想法，还有一些来自DeepStack的想法，形成了这个庞大的想法组合，这就是游戏学生。”未参与这项研究的英国爱丁堡大学的MichaelRovatsos表示，尽管这一研究成果令人印象深刻，但要想将人工智能视为普遍智能，还有很长的路要走，因为游戏是一种所有规则和行为都被明确定义的环境，而不是现实世界。“这里要强调的重要一点是，这是一个受控的、独立的人工环境，在这个环境中，每件事的意义和每一个动作的结果都是非常清楚的。”Rovatsos说，“这个问题是一个玩具问题，因为尽管它可能非常复杂，但它不是真实的。”相关论文信息：https://doi.org/10.1126/sciadv.adg3256...PC版：https://www.cnbeta.com.tw/articles/soft/1399535.htm手机版：https://m.cnbeta.com.tw/view/1399535.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人