[摘要]為了在吃豆人小姐游戲中獲得更高的分?jǐn)?shù)，Maluuba 公司團(tuán)隊(duì)將操控吃豆人小姐游戲的大問題分解成若干個(gè)小問題，然后將小問題分發(fā)給AI代理解決。
微軟研究人員創(chuàng)建了一個(gè)人工智能的系統(tǒng)，這個(gè)系統(tǒng)能夠在 20 世紀(jì) 80 年代風(fēng)靡全球的電子游戲吃豆人小姐(Ms. Pac-Man)中獲得最高分，系統(tǒng)使用了分治策略來更大程度地影響 AI 代理，從而完美地通關(guān)游戲。
今年年初，微軟收購了一家人工智能初創(chuàng)公司 Maluuba，Maluuba 公司團(tuán)隊(duì)運(yùn)用強(qiáng)化學(xué)習(xí)技術(shù)(機(jī)器學(xué)習(xí)的分支)，在吃豆人小姐游戲 Atari 2600 版本中表現(xiàn)完美。使用這種方法，該團(tuán)隊(duì)在這個(gè)游戲中得到的分?jǐn)?shù)高達(dá) 999,990。
位于加拿大蒙特利爾的麥吉爾大學(xué)(McGill University)，從事計(jì)算機(jī)科學(xué)研究的 Doina Precup 副教授表示，AI 研究人員的常常使用各種電子游戲來測(cè)試他們研發(fā)的系統(tǒng)，但研究人員發(fā)現(xiàn)吃豆人小姐游戲是最難攻克的。
但是，Precup 表示，相比于研究人員所取得的成就而言，她對(duì)于研究人員獲得成果的過程更加感興趣。為了在吃豆人小姐游戲中獲得更高的分?jǐn)?shù)，Maluuba 公司團(tuán)隊(duì)將操控吃豆人小姐游戲的大問題分解成若干個(gè)小問題，然后將小問題分發(fā)給AI代理解決。
Precup 說“這個(gè)分治策略的想法讓 Maluuba 公司的研究人員使用不同的系統(tǒng)來實(shí)現(xiàn)同一個(gè)目標(biāo)，這是一件非常有趣的事情”，她還說到：“這個(gè)想法類似于一些大腦如何工作的理論，它可以更大程度地影響AI代理教學(xué)，從而利用有限的信息來完成更為復(fù)雜的任務(wù)。倘若能夠完美利用分治策略，那人工智能將向前跨越一大步，這真的令人感到尤為興奮。”
Maluuba 團(tuán)隊(duì)將這種分治策略稱之為混合式獎(jiǎng)賞架構(gòu)(Hybrid Reward Architecture)，這個(gè)方法使用了 150 多名人工智能代理，每個(gè)代理與其他代理相互獨(dú)立地精通吃豆人小姐游戲。比如，一些代理成功找到一個(gè)豆子將獲得的獎(jiǎng)勵(lì)，而另外一些代理由于幽靈的存在必須呆在原處。
然后，研究人員在吃豆人小姐游戲中創(chuàng)建了一個(gè)頂級(jí)代理，就像一家公司的高級(jí)經(jīng)理一樣，頂級(jí)代理能夠獲得所有代理的建議，綜合分析后由頂級(jí)代理來決定吃豆人小姐該如何移動(dòng)。
頂級(jí)代理會(huì)根據(jù)選擇各個(gè)方向前進(jìn)的代理數(shù)量的大小來決定移動(dòng)方向，但同時(shí)也需要考慮到代理想要往某個(gè)方向移動(dòng)的反應(yīng)強(qiáng)度。例如，如果 100 個(gè)代理想向右邊移動(dòng)，因?yàn)橄蛴疫呑呤撬麄兊淖罴崖窂剑?3個(gè)人想要向左邊移動(dòng)，因?yàn)橛疫呌幸粋€(gè)致命的幽靈，那這 3 個(gè)代理向左邊移動(dòng)的反應(yīng)強(qiáng)度明顯強(qiáng)于其他代理，考慮到幽靈的存在，頂級(jí)代理應(yīng)該決定向左移動(dòng)。
Maluuba 公司的研究室經(jīng)理 Harman Van Seijen，對(duì)于他們的最新研究成果發(fā)表了一篇文章，文章中寫到，當(dāng)每位代理都果斷地做出選擇，頂級(jí)代理綜合利用每個(gè)代理的信息后做出最佳選擇，那么在吃豆人小姐游戲中就可以獲得最好的結(jié)果。Harman Van Seijen 說：“雖然每個(gè)代理只關(guān)心一個(gè)特定的問題，但是他們之間有很好的相互作用”。
圖為Harman Van Seijen
為什么 AI 主要研究攻克吃豆人小姐游戲
需要運(yùn)用最先進(jìn)的 AI 研究方法來擊敗類似于上世紀(jì) 80 年代 Atari 吃豆人小姐游戲這樣的簡(jiǎn)單游(微博)戲，這看上去很匪夷所思。但是 Maluuba 公司的項(xiàng)目經(jīng)理 Rahul Mehrotra 表示，使用算法來贏得這些簡(jiǎn)單的電子游戲其實(shí)非常困難，因?yàn)樵谕嬗螒虻倪^程中可能會(huì)遇到的各種各樣的情況。
Mehrotra 表示：“許多從事人工智能的公司構(gòu)建游戲智能算法，因?yàn)楣鞠Ｍ斯ぶ悄苣軌蛳袢祟愐粯訐碛写蛴螒虻募寄?。?/P>
Steve Golson 是吃豆人小姐游戲街機(jī)版的創(chuàng)始人之一，他說到，吃豆人小姐最初定位是街機(jī)游戲，希望游戲?qū)θ藗冇谐掷m(xù)吸引力而走出宿舍，所以吃豆人小姐游戲必須掌握人類不可完全征服的游戲程序。
圖為Steve Golson
運(yùn)營咨詢公司 Trilobyte Systems 的 Golson 說到，他們故意設(shè)計(jì)了吃豆人小姐游戲比普通吃豆人游戲更加不可預(yù)測(cè)，所以玩家們很難打通關(guān)。復(fù)雜的游戲使得研究人員試圖使用 AI 代理來對(duì)隨機(jī)環(huán)境做出理想的反應(yīng)。Golson 還說到：“使用 AI 代理來通關(guān)吃豆人小姐游戲是可行的，但由于游戲的隨機(jī)性，所需要設(shè)計(jì)的 AI 程序?qū)⒂葹閺?fù)雜。”
強(qiáng)化學(xué)習(xí)
對(duì)于在不斷發(fā)展的強(qiáng)化學(xué)習(xí)領(lǐng)域工作的研究人員來說，這種不可預(yù)測(cè)性極有價(jià)值。在 AI 研究中，強(qiáng)化學(xué)習(xí)是監(jiān)督學(xué)習(xí)的副本，是一種更常用的人工智能方法，它能夠讓系統(tǒng)在做任務(wù)時(shí)變得更好。
通過強(qiáng)化學(xué)習(xí)，代理對(duì)其每個(gè)動(dòng)作都采取積極或消極的反應(yīng)，通過不斷地試驗(yàn)和犯錯(cuò)誤來最大限度地獲得積極反應(yīng)或獎(jiǎng)賞。
具有監(jiān)督學(xué)習(xí)的 AI 系統(tǒng)，通過給出良好和不恰當(dāng)?shù)氖纠?，來學(xué)習(xí)如何在對(duì)話中做出適當(dāng)?shù)幕貞?yīng)。而強(qiáng)化學(xué)習(xí)系統(tǒng)則是通過系統(tǒng)在對(duì)話中做出正確的回應(yīng)，而后獲得更高級(jí)別反饋的方式來學(xué)習(xí)對(duì)話。
AI 專家認(rèn)為，強(qiáng)化學(xué)習(xí)可以用于創(chuàng)建 AI 代理，這樣的代理可以做出更多的決定，能夠完成更復(fù)雜工作，為人們提供更高水平的服務(wù)。Mehrotra 表示，他們開發(fā)的能夠通關(guān)吃豆人小姐游戲的系統(tǒng)，就可以為人們提供更好的服務(wù)。它可以在特定時(shí)間或任意時(shí)間幫助公司的銷售部門預(yù)測(cè)商品的潛在客戶。該系統(tǒng)可以使用多個(gè)代理，每個(gè)代理代表一個(gè)客戶，可以預(yù)測(cè)很多重要因素，例如：哪些客戶會(huì)續(xù)簽合同，哪些合同對(duì)于公司是有價(jià)值的。
有了 AI 系統(tǒng)預(yù)測(cè)的幫助，銷售主管可以把更多的時(shí)間放在潛在客戶身上，如此會(huì)提高出售機(jī)會(huì)，因?yàn)殇N售人員的目光已經(jīng)瞄準(zhǔn)了最容易下訂單的客戶。
Van Seijen 表示，他希望這種分治策略可以被用在 AI 的其他研究領(lǐng)域，如自然語言處理領(lǐng)域。他還說到：“分治策略使人們?cè)诮鉀Q真正復(fù)雜的問題的方式上取得進(jìn)步?！?/P>
