Games of Knightian Uncertainty

可以说，在20世纪后期和21世纪初的后半段，游戏被视为人工智能的果蝇。游戏是一组激动人心的测试平台，其解决方案（以确定最佳玩家为目标）将导致拥有某种形式的通用智能的机器，或者至少帮助我们获得构建智能机器的见解。在传统棋类游戏如围棋、象棋和扑克牌以及视频游戏如Atari 2600收藏品中取得了令人瞩目的成功之后，很明显这并非事实。游戏已经被成功攻击，但我们离AGI（或者更苛刻的批评家可能会说，有用的AI发展）的发展还有很长的路要走！在这篇短视野论文中，我们认为，为了使游戏研究再次与AGI路径相关，我们需要能够在游戏的背景下解决\textit{Knightian uncertainty}，也就是说，代理需要能够适应游戏规则的快速变化，而没有警告、没有先前的数据和没有模型访问的情况下。

论文试图探索如何在游戏领域中应对不确定性，以推动人工智能的发展。

解决游戏中的不确定性问题，提高机器智能的适应性和灵活性。

论文提出了一种新的方法来处理不确定性，即通过自适应学习来应对游戏规则的突然变化，而不需要先前的数据或模型。作者还介绍了一些实验结果，展示了该方法的有效性和可行性。

近年来，游戏领域中的人工智能研究已经取得了一些重要进展，如在围棋、国际象棋和扑克等传统游戏中的突破。此外，还有一些其他的研究在探索如何提高机器智能的适应性和灵活性，如基于深度学习的方法和强化学习等。