对棋类游戏的掌握程度，一直是判断人工智能（AI）是否真正智能的依据之一，因为这类游戏可以被用来评估 AI 代理在受控环境下自主开发和执行策略的能力。如今，AI 在此前尚未掌握的经典棋类游戏 Stratego（西洋陆军棋）中，表现出了人类专家级一般的水准：以 97% 的最低胜率击败了其他 AI 机器人；在 Gravon 平台上与人类专业玩家对弈，取得了 84% 的总胜率，在年初至今和历史排行榜上都排在前三名。
近日，DeepMind的AI智能体DeepNash，在西洋陆军棋（Stratego）中花式战胜专业级人类玩家，成功跻身Top 3。12月1日，论文正式在Science上发表。
值得注意的是，这一惊人表现是在没有部署任何搜索方法的情况下实现的，这是 AI 之前在棋类游戏中取得多个里程碑式成就的关键。
相关研究论文以“Mastering the game of Stratego with model-free multiagent reinforcement learning”为题，已发表在权威科学期刊 Science 上。
Science原文地址 www.science.org/doi/10.1126/science.add4679
多年来，Stratego 一直是人工智能行业的下一个前沿领域之一。Stratego 玩家既需要有像玩国际象棋一样的长期战略性思考，也需要能够像打扑克一样处理不完全的信息，这意味着参与人在进行博弈时不清楚博弈中的某些要素。例如，在桥牌游戏中，玩家并不清楚其他玩家手中的牌，在拍卖会中，竞拍人并不清楚其他竞拍人对物品的估价。
这个名为“DeepNash”的 AI 代理出自 DeepMind，在他们看来，这代表了一个非凡的成果；同样，Stratego 社区也认为，这用现有技术是不可能实现的。该方法在这类不完全信息场景下或许有很多潜在应用，包括人群和交通建模、智能电网、拍卖设计和市场问题等。
本文转载于公众号学术头条
评论
沙发等你来抢