MIT開(kāi)發(fā)了一種配備人工智能的機(jī)器人 能在線多人游戲中擊敗人類玩家

麻省理工學(xué)院（MIT）的研究人員開(kāi)發(fā)了一種配備了人工智能的機(jī)器人，該機(jī)器人可以在棘手的在線多人游戲中擊敗人類玩家，而其中的玩家角色和動(dòng)機(jī)卻被保密。

已經(jīng)建立了許多游戲機(jī)器人來(lái)跟上人類玩家的步伐。今年早些時(shí)候，卡內(nèi)基梅隆大學(xué)的一個(gè)團(tuán)隊(duì)開(kāi)發(fā)了世界上第一個(gè)可以擊敗多人撲克專業(yè)人士的機(jī)器人。DeepMind的AlphaGo在2016年成為頭條新聞，以擊敗專業(yè)的Go玩家。還建立了一些機(jī)器人來(lái)?yè)魯I(yè)的國(guó)際象棋玩家或聯(lián)合起來(lái)合作合作游戲，例如在線奪旗。但是，在這些游戲中，機(jī)器人從一開(kāi)始就了解其對(duì)手和隊(duì)友。

在下個(gè)月的神經(jīng)信息處理系統(tǒng)大會(huì)上，研究人員將展示DeepRole，這是第一個(gè)可以贏得在線多人游戲的游戲機(jī)器人，參與者最初對(duì)團(tuán)隊(duì)的忠誠(chéng)度尚不清楚。該機(jī)器人的設(shè)計(jì)是將新穎的“演繹推理”添加到通常用于玩撲克的AI算法中。這有助于其推理出部分可觀察的動(dòng)作，從而確定給定玩家是隊(duì)友或?qū)κ值目赡苄?。通過(guò)這樣做，它可以快速了解與誰(shuí)結(jié)盟以及采取哪些行動(dòng)來(lái)確保其團(tuán)隊(duì)的勝利。

研究人員在超過(guò)4，000輪在線游戲“抵抗：阿瓦隆”中將DeepRole與人類玩家進(jìn)行比較。在該游戲中，玩家嘗試隨著游戲的進(jìn)行推斷出同齡人的秘密角色，同時(shí)隱藏自己的角色。作為隊(duì)友和對(duì)手，DeepRole始終優(yōu)于人類選手。

“如果用機(jī)器人代替人類的隊(duì)友，則可以期望團(tuán)隊(duì)獲得更高的獲勝率。機(jī)器人是更好的合作伙伴?！钡谝蛔髡呓芸恕と镏Z（Jack Serrino ‘18）說(shuō)，他是麻省理工學(xué)院電氣工程和計(jì)算機(jī)科學(xué)專業(yè)的學(xué)生，是狂熱的在線“阿瓦隆”玩家。

這項(xiàng)工作是一個(gè)更廣泛的項(xiàng)目的一部分，該項(xiàng)目旨在更好地模擬人類如何做出具有社會(huì)根據(jù)的決定。這樣做可以幫助構(gòu)建更好地理解，學(xué)習(xí)人類并與人類合作的機(jī)器人。

“人類向他人學(xué)習(xí)并與他人合作，這使我們能夠共同實(shí)現(xiàn)我們一個(gè)人無(wú)法獨(dú)自完成的事情，”合著者馬克斯·克萊曼·韋納（Max Kleiman-Weiner）說(shuō)，他是大腦，思維與機(jī)器中心和美國(guó)國(guó)防部的博士后。麻省理工學(xué)院和哈佛大學(xué)的腦與認(rèn)知科學(xué)?！跋瘛鞍⑼呗　边@樣的游戲可以更好地模仿人類在日常生活中所經(jīng)歷的動(dòng)態(tài)社交環(huán)境。無(wú)論是在幼兒園的第一天還是在辦公室的第二天，您都必須弄清楚誰(shuí)在團(tuán)隊(duì)中并會(huì)與您一起工作?！?/p>

哈佛大學(xué)的David C.Parkes和計(jì)算機(jī)認(rèn)知科學(xué)教授，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室以及腦，思維和機(jī)器中心的成員Joshua B.Tenenbaum和Serrino和Kleiman-Weiner一起加入了本文。

演繹機(jī)器人

在“阿瓦隆”中，隨機(jī)將三名球員秘密分配給“抵抗”隊(duì)，將兩名球員隨機(jī)分配給“間諜”隊(duì)。兩名間諜玩家都知道所有玩家的角色。在每個(gè)回合中，一個(gè)玩家提議一個(gè)由兩個(gè)或三個(gè)玩家組成的子集來(lái)執(zhí)行任務(wù)。所有參與者同時(shí)并公開(kāi)投票批準(zhǔn)或拒絕該子集。如果獲得多數(shù)同意，則子集會(huì)秘密確定任務(wù)是成功還是失敗。如果選擇兩個(gè)“成功”，則任務(wù)成功。如果選擇一個(gè)“失敗”，則任務(wù)失敗。反抗玩家必須始終選擇成功，但間諜玩家可以選擇任一個(gè)結(jié)果。抵抗隊(duì)在成功完成三個(gè)任務(wù)后獲勝；在執(zhí)行了三個(gè)失敗的任務(wù)后，間諜團(tuán)隊(duì)獲勝。

贏得游戲基本上歸結(jié)為推論誰(shuí)是反抗或間諜，然后投票給您的合作者。但這實(shí)際上比下棋和撲克更加復(fù)雜。Kleiman-Weiner說(shuō)：“這是一個(gè)信息不完善的游戲?！?“您甚至不確定一開(kāi)始就反對(duì)誰(shuí)，因此還有一個(gè)發(fā)現(xiàn)階段，尋找與誰(shuí)合作?！?/p>

DeepRole使用一種稱為“反事實(shí)后悔最小化”（CFR）的游戲計(jì)劃算法-通過(guò)反復(fù)與自己對(duì)戰(zhàn)來(lái)學(xué)習(xí)游戲-并增加了演繹推理。在游戲的每個(gè)點(diǎn)上，CFR都會(huì)前瞻性地創(chuàng)建由線和節(jié)點(diǎn)組成的決策“游戲樹”，以描述每個(gè)玩家的潛在未來(lái)動(dòng)作。游戲樹代表每個(gè)玩家在每個(gè)未來(lái)決策點(diǎn)可以采取的所有可能的動(dòng)作（線）。在進(jìn)行可能數(shù)十億次的游戲模擬時(shí)，CFR指出哪些動(dòng)作增加或減少了獲勝的機(jī)會(huì)，并反復(fù)修改其策略以包括更多好的決策。最終，它計(jì)劃了一種最佳策略，在最壞的情況下，它會(huì)與任何對(duì)手聯(lián)系在一起。

CFR非常適合像撲克之類的游戲，可以通過(guò)公共行動(dòng)（例如下注錢和棄牌）來(lái)進(jìn)行，但是當(dāng)行動(dòng)為秘密時(shí)，CFR會(huì)遇到困難。研究人員的CFR結(jié)合了公共行為和私人行為的后果，以確定參與者是抵抗還是間諜。

該機(jī)器人是通過(guò)對(duì)抗自己作為抵抗力和間諜來(lái)進(jìn)行訓(xùn)練的。在玩在線游戲時(shí)，它使用其游戲樹來(lái)估計(jì)每個(gè)玩家將要做什么。游戲樹代表一種策略，該策略賦予每個(gè)玩家獲勝的最大可能性，以此作為指定角色。該樹的節(jié)點(diǎn)包含“反事實(shí)值”，基本上是對(duì)玩家在執(zhí)行給定策略時(shí)獲得的回報(bào)的估計(jì)。

在執(zhí)行每個(gè)任務(wù)時(shí)，機(jī)器人會(huì)查看每個(gè)人與游戲樹相比的玩法。如果在整個(gè)游戲過(guò)程中，玩家做出的決策與機(jī)器人的期望不一致，那么該玩家可能會(huì)扮演另一個(gè)角色。最終，機(jī)器人為每個(gè)玩家的角色分配了很高的概率。這些概率用于更新機(jī)器人的策略，以增加其獲勝的機(jī)會(huì)。

同時(shí)，它使用相同的技術(shù)來(lái)估計(jì)第三人稱觀察者如何解釋自己的行為。這有助于估計(jì)其他參與者的反應(yīng)，從而做出更明智的決策?！叭绻麍?zhí)行的兩人任務(wù)失敗，那么其他玩家就會(huì)知道一個(gè)玩家是間諜。該機(jī)器人可能不會(huì)在未來(lái)的任務(wù)中提議同一個(gè)團(tuán)隊(duì)，因?yàn)樗榔渌婕艺J(rèn)為這很糟糕?！比镏Z說(shuō)。

語(yǔ)言：下一個(gè)領(lǐng)域

有趣的是，該機(jī)器人不需要與其他玩家交流，這通常是游戲的關(guān)鍵組成部分?！?Avalon”使玩家可以在游戲過(guò)程中在文本模塊上聊天。Kleiman-Weiner說(shuō)：“但是事實(shí)證明，我們的機(jī)器人能夠與其他人一起很好地工作，同時(shí)僅觀察玩家的行為。” “這很有趣，因?yàn)槿藗兛赡軙?huì)認(rèn)為這樣的游戲需要復(fù)雜的溝通策略?！?/p>

接下來(lái)，研究人員可以使機(jī)器人在游戲過(guò)程中使用簡(jiǎn)單的文字進(jìn)行交流，例如說(shuō)出玩家的好壞。那將涉及給文本分配一個(gè)相關(guān)的概率，即玩家是抵抗者還是間諜，機(jī)器人已經(jīng)使用它來(lái)做出決定。除此之外，未來(lái)的機(jī)器人可能會(huì)配備更復(fù)雜的通訊功能，使其能夠玩重語(yǔ)言的社交演繹游戲，例如流行的游戲“狼人”，其中涉及數(shù)分鐘的爭(zhēng)論并說(shuō)服其他玩家了解誰(shuí)在好的和壞的團(tuán)隊(duì)。

“語(yǔ)言絕對(duì)是下一個(gè)領(lǐng)域，” Serrino說(shuō)?！暗窃谀切贤ㄖ陵P(guān)重要的游戲中，攻擊存在許多挑戰(zhàn)?！?/p>