IT之家12月4日消息，由英國DeepMind公司開發(fā)的人工智能“DeepNash”，通過“虛張聲勢”類欺詐手段在《西洋陸軍棋/戰(zhàn)略圍棋(Stratego)》中擊敗了具有專家水平的真人玩家，它甚至可以為了勝利而故意犧牲掉重要棋子，這一行為在AI研究中具有十分重要的意義。
相關(guān)研究報告已經(jīng)發(fā)表在國際性科學(xué)雜志《新科學(xué)家（New Scientist）》中，DOI：10.1126/science.add4679。
這項研究的學(xué)者表示，它代表了一種“非同尋常的結(jié)果”，因為Stratego圈內(nèi)人士認(rèn)為“這是用現(xiàn)代技術(shù)所無法實現(xiàn)的”。
在Stratego中，每個玩家控制40個不同等級的棋子在10×10方格的棋盤上進(jìn)行博弈。如果雙方在棋盤上遭遇，排名更高的棋子將擊敗排名較低的棋子，但你看不到對方棋子的身份，但這一點就可能造成無數(shù)的“意外”，而這并不是窮舉法可以簡單破解的。
簡單來說，Stratego就是一款類似軍旗的策略型棋盤游戲，其規(guī)則簡單到可以供幼兒玩耍，但其策略之深度是成年人也難以吃透的。從“策略”角度來看，Stratego這種戰(zhàn)棋要比國際象棋、圍棋或撲克牌有著更多的變數(shù)，難度系數(shù)也更高。
DeepMind研究者Julien Perolat表示，“對我們來說，它最令人意外的行為是[AI]能夠犧牲具有價值的棋子來獲取有關(guān)對手所制定策略的信息”。
多年來，Stratego一直作為AI研究的下一個前沿領(lǐng)域之一進(jìn)行攻關(guān)，旨在測試AI能否如同人類一般做出相對激進(jìn)、謹(jǐn)慎，或是布局長遠(yuǎn)的行為，歸根結(jié)底還是考察AI對于游戲邏輯的判斷和臨場決策的能力。
Julien Perolat和他同事在此介紹了一種新的方法，它能讓AI來更好地學(xué)習(xí)該游戲。他們利用這種新方法開發(fā)了一個名為DeepNash的AI機器人，它能在該游戲的最復(fù)雜版本“Stratego Classic”中展示出堪比人類專家級的表現(xiàn)。
IT之家了解到，DeepNash的核心是一種強化學(xué)習(xí)算法“R-NaD”。為制作DeepNash，Perolat和團隊將R-NaD與深度神經(jīng)網(wǎng)絡(luò)架構(gòu)結(jié)合，從而使其在高端競技層面進(jìn)行博弈策略的學(xué)習(xí)和思考。
最終，DeepNash與各種最先進(jìn)的Stratego機器人和專業(yè)玩家進(jìn)行了博弈測試，而它最終也成果戰(zhàn)勝了所有其它的機器人，并在Gravon(一個互聯(lián)網(wǎng)游戲平臺，也是Stratego的最大在線平臺)上擊敗了各路具有專家級水平的真人玩家，截止報告發(fā)布時已經(jīng)在該平臺排名前三，而它的對手絲毫沒有意識到網(wǎng)線對面竟然是個AI。
除此之位，DeepMind AI在對抗頂級戰(zhàn)略游戲機器人時也取得了97%的勝率，其中不乏一些曾贏得世界錦標(biāo)賽的機器人。
“優(yōu)秀的棋手往往會記住對手的棋子并預(yù)測他們的核心布局，”馬耳他大學(xué)的Georgios Yannakakis說，“DeepNash兩者都做得很好——當(dāng)然AI可能在記憶力方面比人更有優(yōu)勢，而且他還會用有趣且不可預(yù)測的方式進(jìn)行游戲，例如虛張聲勢。”
賓夕法尼亞州卡內(nèi)基梅隆大學(xué)的Tuomas Sandholm表示，DeepNash博弈論可以證明AI在與其他人打交道的非博弈情況下也是有用的，例如在商業(yè)和國防領(lǐng)域。
