人工智能組團戰(zhàn)勝人類玩家 別緊張,這只是算力上的勝利
2018-07-16 來源：移動互聯(lián)網(wǎng)資訊站
近日，硅谷“鋼鐵俠”馬斯克創(chuàng)立的人工智能非營利組織OpenAI 宣布，由5個神經(jīng)網(wǎng)絡(luò)組成的OpenAI Five，已經(jīng)能夠組成5v5團隊在經(jīng)典戰(zhàn)斗競技類游戲《刀塔2》(Dota2)中擊敗人類業(yè)余玩家隊伍。7月底，他們還將挑戰(zhàn)人類頂級玩家隊伍。去年，他們開發(fā)的AI就在《刀塔2》的1v1比賽中戰(zhàn)勝了人類職業(yè)玩家Dendi。
據(jù)報道，OpenAI Five完全通過自我對戰(zhàn)來學(xué)習(xí)打游戲，每天的對戰(zhàn)量相當(dāng)于人類的180年。也就是說，如果人一天能打10局游戲，那么AI一天就可以打10×365×180局游戲。而且，它還創(chuàng)下了驚人的硬件消耗量紀錄：256塊圖形處理器(GPU)和12.8萬個中央處理器(CPU)。
中國科學(xué)院自動化研究所研究員興軍亮告訴科技日報記者，OpenAI Five是從去年的1V1版本上發(fā)展而來的。一開始，AI隨便亂打，不斷試錯。通過強化學(xué)習(xí)算法獲得游戲獎勵信號的引導(dǎo)，一段時間后它就能發(fā)現(xiàn)并記住一些具有簡單意義的動作，然后再不斷試錯自我提升，直到最后能夠更好地完成游戲目標，一對一戰(zhàn)勝人類選手�！癘penAI Five就是五個AI組成一個團隊互相對戰(zhàn)，團隊中的每個成員本身對應(yīng)一個獨立的AI，同樣通過強化學(xué)習(xí)打游戲，但在學(xué)習(xí)的過程中，每個AI會考慮用其他四個AI的策略去打，這樣五個AI就組成了一支團隊，去跟五個人類業(yè)余選手對戰(zhàn)�！迸d軍亮說。
至于為何每天對戰(zhàn)量是人類的180年，興軍亮解釋，AI在學(xué)習(xí)時可以很快，比如在程序中把游戲時鐘調(diào)快100倍，那么AI打1天游戲就相當(dāng)于人類打100天。同時，AI一秒鐘可點擊1萬下，這個點擊速度人類根本沒法比。但在與人類對戰(zhàn)時，這是不允許的，必須有一定限制，比如每次點擊間隔不低于30—40毫秒。
這次事件之所以被比爾·蓋茨稱為“里程碑”，是因為OpenAI Five展現(xiàn)出了類似于人的長期規(guī)劃和團隊協(xié)作能力，也展現(xiàn)了極高的智能決策能力。
然而，興軍亮認為，OpenAI Five團戰(zhàn)戰(zhàn)勝的僅僅是人類業(yè)余選手，至多算一個“小小的”里程碑。諸多跡象表明，OpenAI Five存在多種局限性，遠不如AlphaGo在圍棋上取得的里程碑式突破——“完虐”人類頂級圍棋玩家。
首先，OpenAI Five打5V5團戰(zhàn)時，只能使用特定的游戲英雄，做不到隨便組合游戲角色。其次，在《星際爭霸》《刀塔2》這類復(fù)雜游戲中，OpenAI Five僅僅是再次證明，在強化學(xué)習(xí)打游戲這件事上，人工智能可通過提高現(xiàn)有算力超過人類，但在算法上并沒有太多理論創(chuàng)新。
7月28日，OpenAI將與一組頂級玩家比賽，他們的目標是在8月份擊敗國際頂級職業(yè)團隊。“OpenAI有可能在短時間內(nèi)，通過自我博弈強化學(xué)習(xí)，再次打贏人類頂級玩家。它此前失敗過很多次，不斷找人類PK也是為了測試算法。不過，《刀塔2》涉及長期策略規(guī)劃問題，人類可能更加擅長�！迸d軍亮說。
打《刀塔》VS下圍棋，難度超過數(shù)個量級
《刀塔2》游戲?qū)τ贠penAI來說有多難?興軍亮表示，《刀塔2》由于操作和規(guī)則更為復(fù)雜，難度超過AlphaGo下圍棋的好多個數(shù)量級，5V5對戰(zhàn)難度又超過1V1對戰(zhàn)好多個數(shù)量級。
“圍棋是確定邊界、完全信息、回合制的簡單游戲，《刀塔2》是相對復(fù)雜邊界、不完全信息下、動態(tài)的實時博弈。”興軍亮說。
《星際爭霸》和《刀塔2》都屬于實時策略游戲，這類游戲本身存在的典型難題是角色空間非常大，決策周期長，在不完全信息博弈下，要猜測對方的狀態(tài)，這要求AI嘗試計算出各種可能情況下的策略，瞬間擴大成高維爆炸式的搜索空間。
其次，AI團隊協(xié)作也是一個難點，這意味著AI要同時控制多個單元，進行多智能體的協(xié)作和協(xié)同，有時還要犧牲個別單元的局部利益去滿足整體利益，這是群體智能學(xué)習(xí)需要克服的重要難題。
更深層次的難點是，如何通過游戲，讓AI不是靠速度，而是靠決策和推理取勝。IBM“深藍”也是依靠強大算力將人類打敗。但“深藍”是對計算智能的突破，也就是算得比人類快，下一步人工智能界期望在認知智能上有新的突破。
涉及推理決策，邁出認知智能“一小步”
為何有人熱衷研究游戲AI?“當(dāng)前研究得比較多的語音識別、人臉識別等技術(shù)屬于感知智能，要達到正確識別，只需告訴AI某事物是什么即可。然而，更難的是認知智能，它牽涉到推理決策�！迸d軍亮表示。
游戲AI涉及推理和決策問題，同時，游戲博弈體現(xiàn)的不完全信息和動態(tài)博弈特性是現(xiàn)實環(huán)境的一個很好模擬，加之游戲環(huán)境可控制，可快速運行，不會造成額外損失。興軍亮認為，“這使得游戲AI成為下一步極佳的人工智能驗證平臺�！敝锌圃鹤詣踊壳霸谶M行相關(guān)游戲AI研究，在國際《星際爭霸》游戲AI大賽上取得了較好成績。
雖然OpenAI團戰(zhàn)戰(zhàn)勝人類業(yè)余選手，相當(dāng)于將人工智能的認知智能往前推進了一小步，但即便下一步它戰(zhàn)勝人類頂級選手，進一步對認知智能做出貢獻，仍舊不代表認知智能取得了真正突破。因為它沒有把認知智能的問題完全解決掉。就好比AI能夠做對一套考卷，的確可以證明分數(shù)高，但是否能說明其達到了很高的學(xué)習(xí)水平，還不能確定。
“人工智能下一階段難題，是怎么去突破認知智能。真正的認知智能還有很多問題沒有解決，比如推理過程的表示、決策優(yōu)化算法等。如何讓AI使用更少的計算量做到更好的推理和決策，讓AI消化吸收學(xué)習(xí)的速度更快等�！迸d軍亮認為，無需擔(dān)心機器能在所有問題上戰(zhàn)勝人類，這件事離我們還相當(dāng)遙遠。
倫敦大學(xué)計算機學(xué)院教授汪軍說，AlphaGo之后，AI領(lǐng)域的下一大挑戰(zhàn)是多智能體強化學(xué)習(xí)(MARL)，即讓多個智能體學(xué)會合作與競爭�！兜端贰缎请H爭霸》還有更多人熟悉的《王者榮耀》，都屬于多智能體強化學(xué)習(xí)。
“游戲AI上的算法突破，可以遷移應(yīng)用在互聯(lián)網(wǎng)廣告、自動駕駛和機器人導(dǎo)航等場景，只是沒辦法自動適應(yīng)其他模型，比如游戲AI不可能直接去自動駕駛。遷移過程需要人的參與，人會根據(jù)應(yīng)用特點，從程序上設(shè)計問題的輸入輸出，從優(yōu)化目標上也要做相應(yīng)調(diào)整。游戲打輸沒關(guān)系，但自動駕駛AI算法一旦失敗，面臨的損失是人類無法承受的，所以這些領(lǐng)域上的AI算法應(yīng)用周期會更長，只有經(jīng)過更嚴格的測試，非常成熟可靠時才可以運用。”興軍亮說。
標簽： 互聯(lián)網(wǎng) 互聯(lián)網(wǎng)資訊 搜索 網(wǎng)絡(luò) 移動互聯(lián) 移動互聯(lián)網(wǎng)
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
