2016年，Alphabet的DeepMind與AlphaGo一起問世，該AI一直領(lǐng)先于人類最佳Go players。一年后，該子公司繼續(xù)完善其工作，創(chuàng)建了AlphaGo Zero。 在AlphaGo Zero的前身通過觀察業(yè)余和專業(yè)比賽學(xué)會了圍棋的過程中，AlphaGo Zero通過簡單地與自己對戰(zhàn)來掌握了古老的游戲。 然后，DeepMind創(chuàng)建了AlphaZero，該AlphaZero可以使用單一算法玩圍棋，象棋和將棋（日本象棋）。將所有這些AI捆綁在一起的是，他們知道在訓(xùn)練中必須掌握的游戲規(guī)則。 而DeepMind的最新AI MuZero，不需要去被告知如何下棋等游戲規(guī)則即可掌握。取而代之的是，該AI獨自學(xué)習(xí)了游戲的相關(guān)內(nèi)容，并且與DeepMind以前的任何算法一樣，更加有能力，或者說更勝一籌。

創(chuàng)建一種可以適應(yīng)情況的算法是人工智能研究人員試圖解決的一個挑戰(zhàn)，該算法雖然不知道控制仿真的所有規(guī)則，但仍然可以找到一種規(guī)劃成功的方法。DeepMind一直嘗試使用稱為超前搜索的方法來解決該問題。使用這種方法，算法將考慮未來狀態(tài)以規(guī)劃行動計劃。解決這個問題的最好方法是考慮如何玩象棋或星際爭霸II這樣的策略游戲。在采取行動之前，將考慮到對手的反應(yīng)并嘗試做出相應(yīng)的計劃。以幾乎相同的方式，利用前瞻方法的AI將嘗試預(yù)先計劃幾個動作。即使是像國際象棋這樣相對簡單的游戲，也無法考慮所有可能的未來狀態(tài)，因此AI會優(yōu)先考慮最有可能贏得比賽的游戲。

DeepMind

這種方法的問題在于，大多數(shù)現(xiàn)實情況，甚至某些游戲，都沒有一套簡單的規(guī)則來管理操作方式。因此，一些研究人員試圖通過使用一種方法來解決該問題，該方法試圖對特定游戲或場景環(huán)境將如何影響結(jié)果進行建模，然后使用該知識制定計劃。該系統(tǒng)的缺點是某些域是如此復(fù)雜，以至于幾乎不可能對各個方面進行建模。例如，事實證明，大多數(shù)Atari游戲都是這種情況。

在某種程度上，MuZero結(jié)合了兩個方面的優(yōu)勢。它沒有嘗試對所有模型進行建模，而只是嘗試考慮那些對決策至關(guān)重要的因素。正如DeepMind所指出的，這是作為人類所做的事情。當(dāng)大多數(shù)人看著窗外，看到地平線上形成烏云時，他們通常不會被凝結(jié)和壓力前沿之類的事情所困擾。相反，他們思考如果出門應(yīng)該如何穿著以不被雨水淋濕。MuZero做的也是類似的事情。

在必須做出決定時，它考慮了三個因素。它將考慮其先前決定的結(jié)果，它目前所處的位置以及下一步的最佳行動方案。這種看似簡單的方法使MuZero成為迄今為止DeepMind最有效的算法。在測試中，它發(fā)現(xiàn)MuZero在國際象棋，圍棋和將棋中的表現(xiàn)都和AlphaZero一樣好，并且比Atari游戲中包括Agent57在內(nèi)的所有以前的算法都要好。它還發(fā)現(xiàn)，MuZero考慮動作的時間越長，執(zhí)行效果就越好。DeepMind還進行了測試，在那些測試中，它發(fā)現(xiàn)MuZero仍然能夠取得良好的結(jié)果。

在Atari游戲中獲得高分固然很好，但是DeepMind最新研究的實際應(yīng)用又如何呢？總之，它們可能是開創(chuàng)性的。雖然還沒有找到，但MuZero是最接近研究人員來開發(fā)通用算法的。該子公司表示，MuZero的學(xué)習(xí)能力有一天可以幫助它解決沒有簡單規(guī)則的機器人領(lǐng)域的復(fù)雜問題。

原文標題：DeepMind最新AI - 無需提前知曉規(guī)則 也可以掌握游戲

文章出處：【微信公眾號：IEEE電氣電子工程師學(xué)會】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq