江苏龙网

  1. 首页 > 人文 > >

DeepTech深科技连“石头剪刀布”，人类也玩不过AI了

【DeepTech深科技连“石头剪刀布”，人类也玩不过AI了】如果说有一种解决问题的方法能跨域文化、种族和地域 ， 那么除了抽签这种纯靠运气的方式 ， 恐怕只剩下猜拳了 。 人们普遍认可 “石头-剪刀-布” 三者之间的克制关系 。 “公平+随机” 的特性使其不仅是活跃气氛的小游戏 ， 更能作为一种相对公平的解决问题的手段 ， 广泛应用在解决分歧 ， 决定顺序 ， 或者确定归属的关键时刻 。 更不用说 ， 在谁洗碗、谁拖地、谁做饭之类的家务活上 ， 猜拳自带的 “愿赌服输” 可以有效维系家庭和睦 ， 堪称随叫随到的家庭关系调解员 。 在大多数人的认知里 ， 猜拳是随机事件 ， 玩家获胜的概率应该是一样的且恒定在三分之一 ， 但事实可能并非如此 。 近日 ， 浙江大学何赛灵教授的研究团队开发了一个基于马尔可夫链的 AI 模型 ， 专门用来玩猜拳游戏 。 在和 52 名人类玩家分别大战 300 回合之后 ， AI 击败了 95% 的玩家 。
DeepTech深科技连“石头剪刀布”，人类也玩不过AI了
本文插图
图 | AI 模型净胜场数变化对于人类玩家来说 ， 规则是赢 +2 分 ， 平 +1 分 ， 输不得分 。 在与 AI 对战之前 ， 参与者知道获胜会获得金钱奖励 ， 总分越高 ， 赢的钱越多 。 因此玩家故意放水或者随便乱选的概率极低 。 即便如此 ， AI 仍然大胜人类 。 在最悬殊的一场较量中 ， AI 获得了 198 次胜利 ， 55 次平手 ， 仅输了 47 次 ， 胜率超过人类对手 4 倍 。 全部 15600 回合详尽的原始博弈数据 ， 在论文的补充资料中给出（详见参考文献） 。 如果猜拳胜负真的是随机概率 ， 那么从统计学的角度来讲 ， 15600 场比赛下来 ， AI 获得如此大优势的概率非常低 。 拥有“智囊团”的Multi-AI模型本质上来看 ， 猜拳属于博弈问题 ， 其背后蕴藏着经典的纳什均衡 ， 而每个个体的习惯、认知、策略和策略变化都会影响实际胜率 。 比如你和对手很熟悉 ， 那么你可能知道他/她经常出布 ， 因此可以多出剪刀来克制 。 浙江大学何赛灵教授团队提出的 AI 模型就是利用了类似的方法 ， 证明了猜拳真的存在针对不同个体的长期制胜策略 ， 可以有效提高胜率 。 这套 AI 模型基于 n-阶马尔可夫链设计 ， 拥有记忆性 ， 能够向前追溯最多 n 个历史状态并加以利用 。 为了在实战中应对人类玩家的不同性格和策略 ， 研究团队还发明了一套 Multi-AI 模型 。 “建立对每个人都有效的单一模型很困难 ， 因此我们决定将单个模型结合起来 ， 使其能够区分和适应更多不同的竞争策略 。 ” 研究人员在论文中解释称 。 在与人类对战的第一套 Multi-AI 模型中 ， 他们放入了 1-5 阶马尔可夫链 ， 即 5 个独立的 AI 模型 ， 分别参考之前 1-5 个动作 。 Multi-AI 会从整体上参考 5 个 AI 模型各自的决策 ， 至于选择哪个 ， 还要看它们最近 5 次的表现 。 这里的 “最近 5 次” 被定义为一个超参数 ， 名为 Focus length ， 可以视情况调整大小 ， 实现进一步优化 。 在与人类对战的第二套 Multi-AI 模型中 ， 该参数就被设为了 10 。
DeepTech深科技连“石头剪刀布”，人类也玩不过AI了
本文插图
图 | Multi-AI 模型的决策逻辑打个比方 ， 每一个 n 阶马尔可夫链模型就像是一位军师 ， 各自有不同的决策标准 。 而 Multi-AI 模型就是司令 ， 手底下有好多名军师组成的智囊团 。 做决策时 ， 每个军师会提交自己的出拳建议 ， 司令会根据他们过去几次（Focus Length）的表现 ， 采纳综合分数最高的人的建议 ， 以提高长期胜率 。 如果人类玩家连续胜利 ， 就会促使 Multi-AI 转向选择其他 AI 模型的更优解 。 如果人类玩家连续失败 ， 大概率会转换策略 ， 或者打破之前的出拳规律 ， 这时 Multi-AI 也可以随之调整 。 最终的社会实验结果反映出了这个想法的有效性 。 在 52 名志愿者中 ， 只有不到 5 人击败了 AI 。 很多人都在最初 20-50 个回合里处于领先 ， 但随后就被 AI 捕捉到了隐藏的行为模式 ， 饮恨败北 。 那些击败 AI 的人 ， 胜率也只是稍微高出一些 ， 并未拉开太大差距 。 6 年前被质疑的研究值得一提的是 ， 在开发 AI 模型背后的算法时 ， 研究团队阅读了 6 年前另一个浙大团队的研究成果 ， 但使用了另一种不同的博弈策略 。 相较于之前对于所有玩家数据整体以统计学的方式进行研究 ， 这里的 Multi-AI 模型更强调针对不同玩家之间的个性差异、出拳策略 ， 来及时的进行调控 ， 选取当下最适宜的博弈策略 。 2014 年 5 月 ， 很多媒体都报道了一项以 “石头剪刀布” 游戏为对象的科研成果 。 这项研究课题原本是 “可控实验社会博弈系统中一些非平衡统计物理问题” ， 但媒体和舆论关注的重点大多是 “如何提高猜拳胜率” ， 因此还被质疑是浪费经费 。 其实不然 。 这项研究还被《麻省理工科技评论》评为 2014 年最佳成果（预印本）之一 。


推荐阅读


上一篇：精英联盟总队|基于 Avue 企业后端管理模板Avue-CLI

下一篇：智通财经|春泉产业信托(01426)8月28日回购1万个基金单位