AI2017_在游戏中打败人类

文/良宵听雨

1/2

一系列的惊喜！

3月，人工智能Libratus在宾夕法尼亚州挑战美国顶尖德州扑克游戏玩家，在12万手比赛后，Libratus完胜全部4个对手。Libratus使用的“强化学习”方式能让计算机生成更具创造性的策略，在信息不完全的情况下作出更好的决策。

5月，强化版围棋人工智能AlphaGo在中国乌镇3:0战胜世界第一棋手柯洁，并与八段棋手协同作战在组队战中全胜5位顶尖九段棋手。

AlphaGo的第一个版本使用来自人类专家的训练数据进行引导，通过自我下棋和对蒙特卡洛树搜索稍加改动进行进一步的改进。

10月，横空出世的AlphaGo Zero仅通过40天的学习就战胜了自己的双胞胎兄弟AlphaGo Master。

AlphaGo Zero采用无监督学习，从零开始，不需要任何人类的经验，并通过强化学习发现了新的围棋定式。AlphaGo Zero还优化了核心算法，将策略网络和值网络结合，并引入深度残差网络，用更少的算力得到了更好的结果。

年底，我们看到了AlphaGo Zero算法的另一个演绎：AlphaZero，它不仅精通围棋，还精通国际象棋和日本象棋，使用了一模一样的技术。有意思的是，这些软件走的步连经验最丰富的围棋选手都感到惊讶，激励围棋选手向AlphaGo学习，相应地调整自己的棋风。为了让这更容易，DeepMind还发布了AlphaGo 教学工具。

2/2

围棋不是我们取得重大进展的唯一游戏。

强化学习的下一个领域似乎是更复杂的多人游戏，包括多人扑克，电子竞技。

Libratus是卡内基•梅隆大学的研究人员开发的一个系统，它在为期20天的“一对一无限注德州扑克”（Heads-up, No-Limit Texas Hold’em）标赛中成功击败了顶尖扑克玩家。稍早些时候，查尔斯大学、捷克技术大学和艾伯塔大学的研究人员共同开发的DeepStack系统成为第一个击败职业扑克玩家的系统。请注意，这两个系统玩的都是单挑扑克比赛，这在两名玩家之间进行，比多个玩家扑克比赛容易得多。后者极可能会在2018年取得另外的进展。

DeepMind正在积极研究《星际争霸2》，发布了一种研究环境。OpenAI在1v1 Dota 2中展示了初步的成功，目的在于在不远的将来能够玩转真正的5v5游戏。

素材来源：炼数成金，果壳网。