一种名为“游戏学生”(game Student)的新算法能够赢得不同的桌面游戏，比如国际象棋、围棋、德州扑克和策略游戏“苏格兰场”。开发该程序的研究人员在本周三发表在《科学进展》(Science Advances)杂志上的研究报告中解释说，该人工智能程序结合了引导搜索、机器学习和博弈论推理。到目前为止，AlphaZero算法只能解决具有完美信息的游戏，例如国际象棋和围棋，在这些游戏中，所有玩家都可以获得相同的信息。然而，他没能在扑克比赛中获胜，因为这是一个不完全信息的游戏，对手的牌是不知道的。
这项研究是在专家们在b谷歌人工智能研究部门b谷歌DeepMind工作时进行的。然而，几名团队成员在2022年1月离开了谷歌，该公司后来在2023年1月解雇了剩余团队的大部分。
该工具能够以最少的知识在完美和不完美的游戏中获胜。“我们的算法能够根据游戏规则进行推理。例如，学习所有这些游戏(国际象棋、扑克、围棋或苏格兰场)，只根据规则，而不被给予更多的信息，”Midjourney研究员、该研究的作者芬巴尔·廷伯斯(Finbarr Timbers)解释说。他继续说:“有了他们，他就能决定自己能采取什么行动，以及他是赢了还是输了。”
为了知道在每个时刻该怎么走，该算法基于所谓的“反事实后悔最小化”。这侧重于分析所有可能的玩法。根据Timbers的说法，“遗憾”是指“如果你发挥了最佳状态，你本可以取得的成绩减去你实际发挥的水平。”举个例子:如果在扑克游戏中，你在几局之后赢得了200个筹码，但你本可以在其他情况下赢得1000个筹码，那么遗憾就是800个筹码。因此，游戏学生的目标是尽可能减少800个芯片。它考虑了所有可能的情况，这些牌是正面朝上的，也就是公共信息，并对它们进行平均。
所有可能的情况都收敛于纳什均衡，这是美国数学家约翰·纳什的定理。玩家在游戏中使用自己的策略来最大化利润，并在整个游戏过程中根据其他人的策略进行调整。Timbers和他的同事们依靠它，使算法在大多数情况下寻找最佳策略。
每个游戏都将参与者带到不同的场景中。在国际象棋中，当你在棋盘上处于某个位置时，你可以通过搜索可能的走法来找到最好的走法。然而，在扑克游戏中却并非如此。Timbers解释说，你必须考虑在其他情况下的影响:“如果你每次有一手好牌就开始下高赌注，那么通过积极下注，你会向对手透露你有一手好牌。同样，如果你在手牌不好的时候停止下注，你就会向对手透露你的手牌。”
英国公司DeepMind自2014年起被b谷歌收购，该公司开发了一种名为R-NaD的算法，能够像专家一样玩《Stratego》，这是一种流行的40筹码游戏，玩家必须抓住对手的旗帜，否则就没有筹码。R-NaD使用算法技巧来获得良好的性能，但不使用搜索方法。由于这个原因，它不像算法那么强。学生:“历史文献表明，搜索可能动作的算法通常比不使用搜索的算法在游戏中表现更好，但它们速度较慢，训练成本更高，”Timbers透露。
竞争性人工智能被用来衡量计算机程序的有效性，并获得更好的游戏体验，但它也可能产生负面影响:“在扑克博彩网站和类似的游戏中，作弊很可能发生。许多竞争性电子游戏将尝试在每个玩家的电脑上使用不灵活的软件，以确保人工智能不会参与其中，Riot games已经在《Valorant》(2020)中采取了这种做法。”Póntica的创始人兼主管Diego Rodríguez-Ponga albal
表示。为此，他指出，可以预见的是，“将会开发出非常复杂的人工智能来自动检测玩家是否是人类。”
Softtek EMEA的创新主管杰玛·鲁伊斯(Gema Ruiz)也指出了该算法的其他局限性，比如在扑克游戏中使用博彩抽象和“计算费用”。抽象的使用包括将类似的玩法分组，以相同的方式处理，以降低游戏的复杂性。当这个学生学习扑克时，他使用随机的赌博抽象来将动作数量从20,000减少到4或5。在未来，研究表明他的使用可能会被“一种更广泛的政策所取代，这种政策可以在游戏情境中处理各种各样的行动，并有大量可能的决定，”Ruiz说。此外，根据研究，枚举算法的所有可能的移动涉及高成本，为此他们提出了一个“生成模型”。这将生成世界的状态样本(estrategias)，并操作所选样本的子集，而不是列出所有可能的手牌组合。
尽管如此，对于Ruiz来说，这个工具是“人工智能驱动的游戏算法领域的一个有前途的竞争者”。它强调了“通过增加计算资源以及坚实的理论基础来提高性能的能力”。
您可以在Facebook和x中关注EL PAíS Technology，或者在这里注册以接收我们的每周通讯。
