Facebooks AI tar på Hanabi-spillet

Facebook (META ) AI Research (FAIR) har utviklet en ny AI som produserte ekstremt imponerende resultater når den ble satt opp mot Hanabi. Den nye utviklingen er et stort skritt fremover for Facebooks AI. 

Hanabi er et kortspill lignende Solitaire. Mens de fleste spill som brukes til denne teknologien setter AI mot mennesker direkte, spesifikt sjakk eller Go, krever Hanabi at spillere samarbeider med hverandre mot et felles mål. 

Facebook brukte roboter til å samarbeide i spillet til de overgikk tidligere brukte AI-systemer. Det nyeste beste AI-systemet oppnådde en score på 23,92 av 25 i spillet, mens den nye nådde 24,61 av 25. 

Tidligere i februar, ble et Hanabi-benchmark foreslått av forskere fra Google (GOOGL ), DeepMind, Carnegie Mellon University og Oxford. De inkluderte også skapelsen av ytterligere AI i stand til å spille spillet, og de kalte det “en ny grense for AI-forskning.” 

Forskere er begeistret for den nye utviklingen siden den samme AI som hjalp robotene muligens kan brukes i andre områder. Et mulig bruk er å forbedre måten virtuelle assistenter samhandler med mennesker. 

Noam Brown, en Facebook AI-forsker, snakket om det nye AI-systemet. 

“En av de virkelig spennende tingene med dette er at forbedringen vi observerer er virkelig ortogonalt til forbedringene som observeres med dyp forsterkninglæring: Du kan legge dette på toppen av enhver strategi, og det vil gjøre den mye sterkere,” sa Brown i et intervju han ga til VentureBeat. “Vi ser at resultater er langt utenfor det vi eller andre forskere forventet. I virkeligheten er fordelene vi får fra søk er sterkere enn fordelene som er oppnådd gjennom alle dype forsterkninglæring-algoritmer som har blitt brukt i fortiden.” 

Den nye utviklingen med Facebooks AI kommer på et tidspunkt når forskere fortsetter å skape programvare i stand til å gå opp mot noen av de mest komplekse spillene. I 2016, slo Googles DeepMinds AI-system de beste menneskelige spillerne i det kinesiske brettspillet Go. 

Hanabi er nå betraktet som det beste spillet for å teste AI siden det er bygget rundt samarbeid og strategi, et større milepæl for AI å nå. Når det brukes i denne miljøet, kan AI forbedre og bli mer sofistikert. 

Adam Lerer er en Facebook-forsker og bidragsyter til papiret. 

“En av grunnene til at vi flytter til disse kooperative spillene er at jeg tror vi er på et punkt hvor det ikke er noen spill igjen, i alle fall ikke når det gjelder konkurranse-spill,” sa han. 

Hanabi har lag med to til fem spillere som får tilfeldige kort. Kortene er forskjellige farger og inneholder forskjellige numre, og lagene legger dem på et bord, etter farge og i riktig numerisk rekkefølge. 

Spillere kan ikke se sine egne kort, men deres lagkamerater kan. Spillere er tillatt å gi hint til andre. For eksempel, kan en lagkamerat gi en hint om farger, som fører til at den andre spilleren spiller eller kaster kortet. 

En av de mer komplekse aspektene ved spillet er at en spiller må finne ut av hintene og hva de betyr. Denne delen av spillet er vanskelig for en robot å finne ut med den informasjonen de har. 

Robotene kunne bygge en strategi på grunn av teknikken og forsterkninglæringen som Facebook brukte. Facebook tror at denne teknologien kan brukes i andre applikasjoner som robotikk, selvkjørende kjøretøy og andre systemer. 

“Dette er noe som kommer veldig naturlig for mennesker, denne ideen om å kunne sette seg i skoene til en annen person og forstå hvorfor de tar de handlingene de tar, hva de tenker, og selv om de ikke vet visse ting. Men det er noe som AI har historisk sett virkelig strevet med,” sa han. “Det har vært en lang debatt om hvorvidt primater har teori om sinn og i hvilken alder menneskebarn utvikler teori om sinn, og jeg tror det er virkelig fascinerende å se denne type atferd i AI. Og jeg tror at det vil være veldig viktig hvis vi ønsker å deployere AI i den virkelige verden for å samhandle med mennesker fordi mennesker forventer denne atferden.”