Facebook 的 AI 挑战 Hanabi 游戏

Facebook (META ) AI 研究 (FAIR) 开发了一种新型 AI，该 AI 在 Hanabi 游戏中取得了非常令人印象深刻的成绩。这一新发展是 Facebook AI 的一个重要进步。

Hanabi 是一种类似于 Solitaire 的纸牌游戏。虽然大多数用于此类技术的游戏都是让 AI 直接与人类对战，例如国际象棋或 Go，但 Hanabi 需要玩家共同努力以实现共同目标。

Facebook 使用机器人共同玩游戏，直到他们超越了以前使用的 AI 系统。最近最好的 AI 系统在游戏中获得了 23.92 分（满分 25 分），而新的 AI 达到了 24.61 分（满分 25 分）。

今年 2 月，谷歌、DeepMind、卡内基梅隆大学和牛津大学的研究人员提出了 Hanabi 基准。他们还包括创建能够玩该游戏的附加 AI，并称其为“AI 研究的新前沿”。

研究人员对这一新发展感到兴奋，因为帮助机器人共同玩游戏的同一 AI 可能会被用于其他领域。一个可能的应用是改善虚拟助手与人类的交互方式。

Facebook AI 研究员 Noam Brown 谈到了新的 AI 系统。

“这其中的一个令人兴奋的事情是，我们观察到的改进与通过深度强化学习观察到的改进是正交的：您可以将其添加到任何策略上，它将使其变得更强大，”Brown 在接受 VentureBeat 采访时说。“我们看到的结果远远超过了我们或其他研究人员的预期。事实上，我们从搜索中获得的好处比通过过去使用的所有深度强化学习算法获得的好处更强。”

Facebook 的 AI 新发展发生在研究人员继续创建能够挑战最复杂游戏的软件的时候。2016 年，谷歌的 DeepMind AI 系统击败了中国象棋游戏中最好的人类玩家。

Hanabi 现在被认为是测试 AI 的最佳游戏，因为它建立在团队合作和策略之上，这是 AI 达到的一个重要里程碑。在这种环境中，AI 可以改进和变得更加复杂。

Adam Lerer 是 Facebook 研究员和论文的贡献者。

“我们转向这些合作游戏的原因之一是我认为我们已经到了没有竞争游戏的阶段，至少在竞争游戏方面，”他说。

Hanabi 有 2 到 5 名玩家，他们被给予随机的牌。牌有不同的颜色和数字，团队将它们放在桌子上，按照颜色和正确的数字顺序排列。

玩家无法看到自己的牌，但他们的队友可以看到。玩家可以给其他玩家提示。例如，队友可以给出关于颜色的提示，导致其他玩家打出或丢弃牌。

游戏中更复杂的一个方面是，玩家必须弄清楚线索的含义。这部分游戏对于机器人来说很难，因为他们只有有限的信息。

机器人能够建立策略是因为 Facebook 使用的技术和强化学习。Facebook 相信这种技术可以应用于其他领域，如机器人、自动驾驶汽车和其他系统。

“这对人类来说是很自然的，能够站在另一个人的角度，理解他们为什么采取某些行动，思考什么，甚至不知道某些事情。但这是 AI 历史上一直很难做到的，”他说。“关于灵长类动物是否具有心智理论以及人类婴儿在什么年龄发展心智理论，已经有很长时间的争论，我认为看到 AI 中出现这种行为真的很令人着迷。我认为这将在我们希望部署 AI 与人类交互的现实世界中非常重要，因为人类期望这种行为。”