Facebooks AI tar på Hanabi-spelet

Facebook (META ) AI Research (FAIR) har utvecklat en ny AI som har producerat extremt imponerande resultat när den ställs mot Hanabi. Den nya utvecklingen är ett stort steg framåt för Facebooks AI.

Hanabi är ett kortspel som liknar Solitaire. Medan de flesta spel som används för denna teknik ställer AI mot människor direkt, särskilt schack eller Go, kräver Hanabi att spelarna arbetar tillsammans mot ett gemensamt mål.

Facebook använde botar för att arbeta tillsammans i spelet tills de överträffade tidigare använda AI-system. Det senaste bästa AI-systemet uppnådde ett poäng på 23,92 av 25 i spelet, medan den nya uppnådde 24,61 av 25.

I februari föreslogs en Hanabi-benchmark av forskare från Google (GOOGL ), DeepMind, Carnegie Mellon University och Oxford. De inkluderade också skapandet av ytterligare AI som kan spela spelet, och de kallade det “en ny frontier för AI-forskning”.

Forskare är entusiastiska över den nya utvecklingen eftersom den AI som används för att hjälpa botarna möjligtvis kan användas i andra områden. Ett möjligt användningsområde är att förbättra hur virtuella assistenter interagerar med människor.

Noam Brown, en Facebook AI-forskare, talade om det nya AI-systemet.

“En av de riktigt spännande sakerna med detta är att förbättringen vi observerar är riktigt ortogonala till de förbättringar som observeras med djup förstärkt inlärning: Du kan lägga till detta ovanpå vilken strategi som helst, och det kommer att göra den mycket starkare”, sa Brown i en intervju han gav till VentureBeat. “Vi ser att resultaten är långt bortom vad vi eller andra forskare förväntade sig. I själva verket är fördelarna som vi får från sökning är starkare än de fördelar som har vunnits genom alla djupa förstärkta inlärningsalgoritmer som har använts tidigare.”

Den nya utvecklingen med Facebooks AI kommer vid en tidpunkt då forskare fortsätter att skapa programvara som kan tävla mot några av de mest komplexa spelen. 2016 besegrade Googles DeepMinds AI-system de bästa mänskliga spelarna i det kinesiska brädspelet Go.

Hanabi anses nu vara det bästa spelet för att testa AI eftersom det bygger på samarbete och strategi, en stor milstolpe för AI att nå. När den används i denna miljö kan AI förbättras och bli mer sofistikerad.

Adam Lerer är en Facebook-forskare och bidragsgivare till artikeln.

“En av anledningarna till att vi flyttar till dessa samarbets-spel är att jag tror att vi är på den punkt där det inte finns några spel kvar, åtminstone när det gäller konkurrens-spel”, sa han.

Hanabi har lag med två till fem spelare som får slumpmässiga kort. Korten är olika färger och innehåller olika nummer, och lagen placerar dem på ett bord, efter färg och i rätt numerisk ordning.

Spelare kan inte se sina egna kort, men deras lagkamrater kan. Spelare är tillåtna att ge ledtrådar till andra. Till exempel kan en lagkamrat ge en ledtråd om färger, vilket leder till att den andra spelaren spelar eller kastar kortet.

En av de mer komplexa aspekterna av spelet är att en spelare måste lista ut ledtrådarna och vad de betyder. Den här delen av spelet är svår för en bot att lista ut med den information som de har.

Botarna kunde bygga en strategi tack vare de tekniker och förstärkt inlärning som Facebook använde. Facebook tror att denna teknik kan användas i andra tillämpningar som robotik, självkörande fordon och andra system.

“Detta är något som kommer mycket naturligt för människor, idén att kunna sätta sig i någon annans skor och förstå varför de tar de åtgärder de tar, vad de tänker och till och med om de inte vet vissa saker. Men det är något som AI historiskt sett har kämpat med”, sa han. “Det har varit en lång debatt om huruvida primater har teorin om sinnet och vid vilken ålder mänskliga spädbarn utvecklar teorin om sinnet, och jag tycker att det är riktigt fascinerande att se detta beteende i AI. Och jag tycker att det kommer att vara riktigt viktigt om vi vill distribuera AI i den verkliga världen för att interagera med människor eftersom människor förväntar sig detta beteende.”