为什么教人工智能玩游戏很重要？ 本·迪克森

由山姆·奥特曼和埃隆·马斯克创立的人工智能研究实验室OpenAI最近宣布，它将在八月份派一支团队前往温哥华参加著名在线战斗游戏Dota 2的职业比赛。但是与其他团队不同的是，争夺数百万美元的奖金， OpenAI的 团队将不会涉及任何人，至少不会直接参与。

这个名为OpenAI Five的团队由五个人工神经网络组成，这些神经网络一直消耗着Google云的巨大计算能力，并百万次练习游戏。 OpenAI Five已经在Dota 2上击败了半职业选手，并将在八月前与前1％的玩家进行测试。

在 第一 乍一看，花费昂贵的计算资源以及缺乏AI才能教AI玩游戏似乎是不负责任的。 根据 《纽约时报》的报道 ，OpenAI容纳了世界上一些顶尖的AI科学家，他们的薪水为七位数。 毕竟，他们不能解决更重要的问题，例如开发可以抗击癌症或使自动驾驶汽车更安全的AI吗？

在某些人看来，这是荒谬的，事实证明，游戏是AI研究的重要组成部分。 从国际象棋到Dota 2，人工智能所征服的每一款游戏都帮助我们在计算机科学和其他领域开辟了新天地。

游戏帮助追踪AI的进度

自1950年代人工智能概念问世以来，游戏一直是衡量AI能力的有效方法。 它们在测试新AI的能力时特别方便 技术， 因为您可以通过数字分数和输赢结果量化AI的性能，并将其与人类或其他AI进行比较。

研究人员尝试通过AI掌握的第一款游戏是国际象棋，在早期，它被认为是该领域进步的最终考验。 1996年，IBM的Deep Blue是第一台在国际象棋上击败世界冠军（Garry Kasparov）的计算机。 深蓝色背后的AI使用了蛮力分析方法，该方法分析了数百万条序列，然后才开始行动。

尽管该方法使Deep Blue能够掌握国际象棋，但远远不足以解决更复杂的棋盘游戏。 按照今天的标准，它被认为是粗糙的。 当深蓝击败卡斯帕罗夫时，一位科学家指出，人工智能要征服中国古代的围棋游戏还需要一百年的时间。围棋的动作可能比宇宙中原子的数量还要多。

但是在2016年，谷歌拥有的AI公司DeepMind的研究人员创建了一款AlphaGo，这是一款可玩的AI，在五场比赛中以4比1击败世界冠军Lee Sedol。 AlphaGo用深度学习取代了深蓝色的强力方法，深度学习是一种AI技术，其工作方式与人脑的工作方式非常相似。 AlphaGo并未研究所有可能的组合，而是研究了人类玩Go的方式，然后试图找出并复制成功的游戏模式。

DeepMind的研究人员随后创建了AlphaGo Zero，这是AlphaGo的改进版本，它使用了强化学习（一种需要零人工输入的方法）。 AlphaGo Zero学会了Go的基本规则，并通过无数次与自己对战来学习游戏。 AlphaGo Zero将其前身100击败了零。

棋盘游戏有局限性。 首先，它们是基于回合的，这意味着AI不会在不断变化的环境中做出决策。 其次，人工智能可以访问环境中的所有信息（在本例中为董事会），而不必基于未知因素进行猜测或冒险。

考虑到这一点，一个名为Libratus的AI击败了Texas Hold'Em扑克的最佳玩家，从而在人工智能研究中取得了下一个突破。 由卡内基·梅隆大学的研究人员开发的Libratus表明，在可以获取部分信息的情况下，人工智能可以与人类竞争。 Libratus在检查人类对手的战术时，使用了几种AI技术来学习扑克并改善其游戏玩法。

实时视频游戏是AI的下一个前沿领域，而OpenAI并不是唯一参与该领域的组织。 Facebook已经测试了教AI玩实时战略游戏《星际争霸》的方法，而DeepMind开发了一种可以玩第一人称射击游戏Quake III的AI。 每个游戏都提出了自己的挑战，但是共同点是，所有游戏都为AI提供了必须实时做出决策且信息不完整的环境。 而且，它们为AI提供了一个竞技场，在这里可以对付一队对手来测试自己的力量并学习团队合作本身。

目前，还没有人开发出能够击败专业玩家的AI。 但是，在如此复杂的游戏中，人工智能正在与人类竞争，这一事实说明了我们在该领域已经走了多远。

游戏帮助开发其他领域的AI

尽管科学家将游戏用作开发新AI技术的试验台，但他们的成就并不仅限于游戏。 实际上，玩游戏的AI为其他领域的创新铺平了道路。

2011年，IBM推出了一款具有自然语言处理和生成功能（NLG / NLP）的超级计算机，并以该公司前首席执行官Thomas J Watson的名字命名。 该计算机与世界上最好的两名玩家一起玩了著名的电视节目问答游戏Jeopardy，并获胜。 沃森后来成为IBM在医疗，网络安全和天气预报等不同领域提供大量AI服务的基础。

DeepMind将从开发AlphaGo的经验中汲取经验，将AI用于其他可以帮助强化学习的领域。 该公司与英国国家电网启动了一个项目，以使用 AlphaGo的 聪明人提高了英国电网的效率。 DeepMind的母公司Google也正在采用该技术，通过自动化其不同硬件的消耗控制来削减其庞大数据中心的电费。 Google还使用强化学习来训练有一天将在工厂中处理物体的机器人。

• 人工智能有一个偏见问题，这是我们的错人工智能有一个偏见问题，这是我们的错
• IBM人工智能应对人类辩论冠军IBM人工智能应对人类辩论冠军
• 为什么AI必须公开它是AI为什么AI必须公开它是AI

天秤座 ，玩扑克的AI可能会帮助开发出一种算法，该算法可以在各种情况下（例如政治谈判和拍卖）提供帮助，在这些情况下，AI必须冒风险并为长期利益做出短期牺牲。

我很期待看到OpenAI Five在八月份的Dota 2竞赛中的表现。 虽然我对神经网络及其开发人员是否能拿到1500万美元的奖金并不特别感兴趣，但我还是很想知道其成就将打开什么样的新窗口。