在20世紀(jì)的大部分時(shí)間里，國際象棋是人工智能研究人員的一個(gè)基準(zhǔn)。早在上世紀(jì)50年代初，約翰?麥卡錫提出了“人工智能”一詞，他曾把國際象棋稱為“人工智能領(lǐng)域的果蠅”，這一說法來源于早期對果蠅的研究對遺傳學(xué)領(lǐng)域的影響。

上世紀(jì)90年代末，IBM的“深藍(lán)”與世界冠軍加里-卡斯帕羅夫進(jìn)行了一系列國際象棋比賽。

在1997年，深藍(lán)最終擊敗了卡斯帕羅夫，這是機(jī)器第一次在比賽中擊敗世界冠軍。到本世紀(jì)早中期，這項(xiàng)技術(shù)已經(jīng)進(jìn)步到了一定程度，在幾乎所有不同玩法的游戲中，機(jī)器都在不斷地打敗國際象棋大師。

自然而然地，人工智能開發(fā)者開始轉(zhuǎn)向其他更復(fù)雜的游戲，以測試他們?nèi)找鎻?fù)雜的算法。在過去的12個(gè)月里，人工智能跨越了一系列的新門檻，最終在各種不同的游戲中擊敗了人類玩家，從古老的圍棋游戲到動態(tài)互動的紙牌游戲，德州撲克。

從國際象棋到圍棋

上世紀(jì)90年代末，機(jī)器終于徹底打敗了國際象棋大師后，一位來自普林斯頓的天體物理學(xué)家評論說，“可能要等上一百年，電腦才能在圍棋中打敗人類——甚至可能更長。”

于是計(jì)算機(jī)科學(xué)家們又把研究的注意力轉(zhuǎn)向圍棋，這是一個(gè)來自中國的古老的策略游戲，非常容易學(xué)會，但是很難做到精通。

在過去的十年中，機(jī)器學(xué)習(xí)的發(fā)展創(chuàng)造了真正有競爭力的人工智能圍棋選手。2014年，谷歌開始開發(fā)一個(gè)名為AlphaGo的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。在經(jīng)歷了幾年的接近成功之后，開發(fā)團(tuán)隊(duì)嘗試了一些不同的東西。

在2016年末，一個(gè)名為“Master”的神秘網(wǎng)絡(luò)圍棋選手出現(xiàn)在了亞洲熱門游戲服務(wù)器Tygem上。在接下來的幾天里，這個(gè)神秘的玩家在于許多世界冠軍的比賽中占據(jù)了主導(dǎo)位置。到2017年1月4日，官方確認(rèn)“Master”實(shí)際上是DeepMind的AI AlphaGo的最新版本。

2017年5月，AlphaGo “Master”打敗了柯潔——世界上排名第一的圍棋選手。在AlphaGo和柯潔對戰(zhàn)的三場比賽中，這臺機(jī)器一直處于優(yōu)勢地位，但最令人吃驚的是，在10月份的時(shí)候，谷歌已經(jīng)研究出了一個(gè)比“Master”更先進(jìn)的AlphaGo版本。

 

根據(jù)《自然》雜志的一篇文章中，AlphaGo Zero是一種革命性的算法，它能夠迅速地自學(xué)圍棋。這個(gè)系統(tǒng)一遍又一遍地與自己對戰(zhàn)，掌握了不同情況下的游戲方法。經(jīng)過21天的學(xué)習(xí)，AlphaGo Zero已經(jīng)達(dá)到了“Master”的水平。40天后，它就已經(jīng)超過了之前所有版本的技能水平。

到2017年12月，DeepMind推出了一個(gè)更先進(jìn)的系統(tǒng)版本。這款名為AlphaZero的新人工智能可以在幾小時(shí)內(nèi)掌握多種游戲。經(jīng)過8個(gè)小時(shí)的自我訓(xùn)練，該系統(tǒng)不僅可以擊敗之前的AlphaGo Zero，還可以完全掌握國際象棋和日本將棋。

掌握撲克牌中的“欺詐”術(shù)

盡管圍棋游戲的復(fù)雜度已經(jīng)非常之高，但對于人工智能來說，圍棋和撲克采用是兩種完全不同的模式。要想在撲克游戲中取勝，你需要掌握一定的欺詐技能。欺詐以及識別他人的欺詐是在紙牌游戲中取勝需要掌握的關(guān)鍵技能。

經(jīng)過十多年的嘗試，在2017年，兩項(xiàng)獨(dú)立研究顯示，人工智能終于打敗了一流的撲克牌專業(yè)人士。來自加拿大阿爾伯塔大學(xué)的研究人員推出了一個(gè)人工智能系統(tǒng)，DeepStack，它可以用一種人工智能形式的“直覺”來全面控制人類撲克玩家。

 

卡內(nèi)基梅隆大學(xué)的一個(gè)研究小組在2017年1月舉辦了一場更加公開的活動，當(dāng)時(shí)它的Libratus AI系統(tǒng)花了20天時(shí)間，與四名專業(yè)的撲克玩家一起玩了12萬局無限注“德州撲克”。盡管專業(yè)人士每天晚上都在討論他們可以利用人工智能的哪些弱點(diǎn)，但這臺機(jī)器每天都在改進(jìn)自身，修補(bǔ)游戲玩法中的漏洞，改進(jìn)策略。

人類的大腦無法與機(jī)器匹敵，在經(jīng)過近一個(gè)月的不間斷游戲之后，這臺機(jī)器總共贏了170萬美元，而這4位專業(yè)人士中的每一位都損失了數(shù)千美元的虛擬貨幣。其中一名專業(yè)玩家對《連線》雜志說：“在這次激烈的比賽中，我感覺自己在和一個(gè)作弊的人比賽，就好像我的牌可以被他看到一樣。我不是在指責(zé)它作弊。這其實(shí)是一件好事。”

埃隆·馬斯克的AI研究

2015年，埃隆·馬斯克和一小群投資者成立了一個(gè)名為OpenAI的項(xiàng)目。該項(xiàng)目旨在探索人工智能系統(tǒng)的發(fā)展，尤其是在強(qiáng)化學(xué)習(xí)方面。在這種系統(tǒng)中，機(jī)器可以教會自己如何在特定的任務(wù)中提高自己的能力。

2017年8月，OpenAI團(tuán)隊(duì)將目光投向了征服Dota 2，這是一場名為“The International”的大型電子競技錦標(biāo)賽中的核心比賽。Dota 2是一款非常受歡迎且非誠復(fù)雜的多人在線對戰(zhàn)游戲，在競技游戲領(lǐng)域是一項(xiàng)嚴(yán)肅的比賽。

在僅僅兩周的學(xué)習(xí)之后，OpenAI機(jī)器人就加入到了這場錦標(biāo)賽中，隨后擊敗了世界上的幾名頂尖選手。目前人工智能系統(tǒng)只被訓(xùn)練過較為簡單的一對一版本的游戲，但OpenAI團(tuán)隊(duì)正在研究如何讓AI掌握五對五的“團(tuán)隊(duì)”游戲。

AI通過分工玩轉(zhuǎn)“吃豆人”游戲

幾年前，谷歌DeepMind對其人工智能在49款雅達(dá)利2600的游戲中進(jìn)行了訓(xùn)練。只要有和人類玩家相同的輸入，AI就會知道如何玩這些游戲并在游戲中獲勝。事實(shí)證明，有些游戲確實(shí)比其他游戲更難以駕馭，在這些經(jīng)典的、眾所周知非常困難的游戲中，20世紀(jì)80年代的一款電子游戲“吃豆人”尤其具有挑戰(zhàn)性。

2017年，谷歌收購了一家名為Maluuba的深度學(xué)習(xí)創(chuàng)業(yè)公司，并將其并入DeepMind。Maluuba的新型機(jī)器學(xué)習(xí)方法被稱為“混合式獎賞架構(gòu)”（HRA）。將這種方法應(yīng)用到吃豆人系統(tǒng)中，該系統(tǒng)創(chuàng)建了150多個(gè)個(gè)體代理，每一個(gè)都有特定的目標(biāo)——比如找到一個(gè)特定的豆子，或者避免幽靈。

HRA方法生成一個(gè)高級代理，類似于高級經(jīng)理。在做出每一步的最終決定之前，這個(gè)高級代理會評估所有來自下級代理的建議。這種方法被委婉地稱為“分而治之”，即把復(fù)雜的任務(wù)分解成更小的部分。

在將這個(gè)方法應(yīng)用到吃豆人之后，AI很快就掌握了如何獲得999990分的高分，這是之前沒有人或人工智能能做到的。

AI將開始設(shè)計(jì)游戲

如果人工智能能在幾乎每一場比賽中擊敗我們，那我們下一步該干什么？

法爾茅斯大學(xué)的一名研究人員最近公布了一種機(jī)器學(xué)習(xí)算法，他聲稱這一算法可以為我們創(chuàng)造出自己的游戲，我們從零開始玩游戲。這個(gè)人工智能系統(tǒng)名為Angelina，它每天都在不斷改進(jìn)自己，但目前它已經(jīng)可以利用從維基百科共享到在線報(bào)紙以及社交媒體等各種來源的數(shù)據(jù)集制作游戲。

那么這一切意味著什么呢？

也許2017年最重大、最可怕的發(fā)展是強(qiáng)化學(xué)習(xí)系統(tǒng)的巨大進(jìn)步。這些程序可以有效地教會它們自己如何掌握新技能。例如，最近的AlphaZero迭代可以在幾天的自主學(xué)習(xí)之后，在一些游戲中獲得超能力。

一項(xiàng)對350多名人工智能研究人員進(jìn)行的大規(guī)模調(diào)查顯示，人工智能還不足以打敗我們。這項(xiàng)調(diào)查預(yù)測，在10年內(nèi)，人工智能將會比我們更優(yōu)秀，到2049年它將能夠?qū)懗鲆徊繒充N小說，到2053年，它將會比人類在外科手術(shù)中表現(xiàn)的更好。事實(shí)上，該調(diào)查得出的結(jié)論是，到2060年，人工智能將有50%的幾率能夠完成我們所能做的所有事情，并且效果會更好。

2017年無疑是人工智能在日益復(fù)雜的游戲中打敗人類的里程碑式的一年，盡管這看起來是一項(xiàng)微不足道的成就，但它的影響是巨大的。許多這些人工智能開發(fā)公司正迅速將目光投向現(xiàn)實(shí)世界的挑戰(zhàn)。

谷歌DeepMind已經(jīng)將AlphaGo Zero的系統(tǒng)應(yīng)用到了其他領(lǐng)域，并進(jìn)行了一項(xiàng)有關(guān)蛋白質(zhì)折疊的全面研究，以期揭示治療阿茲海默和帕金森等疾病的治療方法。

“最終，我們希望利用像這樣的算法突破來幫助解決各種現(xiàn)實(shí)世界問題中亟待解決的問題，”DeepMind的共同創(chuàng)始人兼首席執(zhí)行官杰米斯?哈扎比斯（Demis Hassabis）說，“如果類似的技術(shù)可以應(yīng)用于其他結(jié)構(gòu)性問題，比如蛋白質(zhì)折疊、減少能源消耗或?qū)ふ腋锩孕虏牧?，那么取得的突破將有可能加?qiáng)人類對這個(gè)世界的理解，并對我們所有人的生活產(chǎn)生積極影響。”