說得直白點，大意是 “在網(wǎng)絡(luò)試驗中，機器人攪局小淘氣，反而促進人類協(xié)作”。
這篇論文提了一個好問題，機器人與人能否和諧相處？機器人的參與，是否能促進而不是破壞，人類的社會協(xié)作？
論文設(shè)計了一個交互行為被嚴格限定的游戲，來證實存在這么一種可能性：
在某些特定任務(wù)中，人與機器人，是可以和諧相處，并且相互促進的。
可能性固然重要，但是更重要的，是要找到一種方法，來教育機器人應該如何行動，才能幫助人與機器人組成的群體，實現(xiàn)整個群體的最優(yōu)目標。以及為了實現(xiàn)全局最優(yōu)，在什么情況下，機器人需要攪局，以犧牲局部收益為代價，打破僵局。
其實這個方法是現(xiàn)成的，這就是Reinforcement Learning （強化學習）。尤其值得關(guān)注的是，強化學習與深度學習的雜交，Deep Reinforcement Learning。
DeepMinders 用 Deep Reinforcement Learning 技術(shù)，在幾十個游戲上，擊敗了人類玩家。
令人好奇的是，如果讓機器人參與團隊對戰(zhàn)游戲，每個團隊有多人組成。而且團隊中不僅可以有人類玩家，也可以有機器人。
如果用深度強化學習技術(shù)來訓練機器人，是否會提升人機團隊的戰(zhàn)績？
遇到危險的時候，機器人是否會主動自我犧牲，以便保全人類玩家？
或者，機器人是否會以團隊戰(zhàn)績?yōu)樽罡吣繕?，不惜犧牲人類玩家，保全機器人，來取得整個團隊的戰(zhàn)績？
先前人們普遍認為，機器人的行為取決于算法，而算法是人類編寫的。所以，機器人的行為，完全是人類預先設(shè)定的。但是當機器人的行為是通過 “機器學習算法” 學習來的，機器人的行為，就不再那么嚴絲合縫地符合人類的預期了。
更進一步，不久的將來，機器將擁有 “Learn to learn” 的能力，屆時，人類更無法準確地預期機器人的行為了。
除了玩游戲，機器學習技術(shù)，能夠在現(xiàn)實生活中，發(fā)揮作用？
從技術(shù)方面講，Chatbot 技術(shù)日臻完善，現(xiàn)在已經(jīng)開發(fā)了不少客服機器人。節(jié)省人工，提高客服質(zhì)量。如果機器對話的技術(shù)障礙解決了，下一個問題，是如何讓機器人助力網(wǎng)上社區(qū)的運營。
客服與運營有很大不同?？头且粚σ坏膶υ挘\營的核心是群體的協(xié)調(diào)，包括挑起爭論、幽默搞笑舒緩氣氛、轉(zhuǎn)移話題降溫爭吵，等等。運營中最難的又最重要的，是時事營銷。人類編輯的反應速度，肯定比不上永遠在線，永遠不知疲倦的機器人。
互聯(lián)網(wǎng)讓人與人的交流更方便，同時互聯(lián)網(wǎng)也產(chǎn)生了大量數(shù)據(jù)。如何挖掘這些數(shù)據(jù)，如何從中提煉出協(xié)調(diào)人群的有效算法，是大數(shù)據(jù)和機器學習的工作。
機器人參與人類社會的互動和協(xié)作，多半是從網(wǎng)絡(luò)互動開始的。
機器人監(jiān)管促進人類社會的協(xié)作，多半是從社區(qū)的運營開始的。
