deepmind|DeepMind打造AI游戏王！挑战各种最强棋牌AI，战斗力惊人( 二 )

在完全信息游戏中，AlphaZero比Player of Games更强大，但在不完全的信息游戏中，AlphaZero就没那么游刃有余了。
Player of Games有很强通用性，不过不是什么游戏都能玩。参与研究的DeepMind高级研究科学家马丁·施密德（Martin Schmid）说，AI系统需考虑每个玩家在游戏情境中的所有可能视角。
虽然在完全信息游戏中只有一个视角，但在不完全信息游戏中可能有许多这样的视角，比如在扑克游戏中，视角大约有2000个。
此外，与DeepMind继AlphaZero之后研发的更高阶MuZero算法不同，Player of Games也需要了解游戏规则，而MuZero无需被告知规则即可飞速掌握完全信息游戏的规则。
在其研究中，DeepMind评估了Player of Games使用谷歌TPUv4加速芯片组进行训练，在国际象棋、围棋、德州扑克和策略推理桌游《苏格兰场》（Scotland Yard）上的表现。

文章插图
苏格兰场的抽象图，Player of Games能够持续获胜
在围棋比赛中，AlphaZero和Player of Games进行了200场比赛，各执黑棋100次、白棋100次。在国际象棋比赛中，DeepMind让Player of Games和GnuGo、Pachi、Stockfish以及AlphaZero等顶级系统进行了对决。

文章插图
不同智能体的相对Elo表，每个智能体与其他智能体进行200场比赛
在国际象棋和围棋中，Player of Games被证明在部分配置中比Stockfish和Pachi更强，它在与最强的AlphaZero的比赛中赢得了0.5%的胜利。
尽管在与AlphaZero的比赛中惨败，但DeepMind相信Player of Games的表现已经达到了“人类顶级业余选手”的水平，甚至可能达到了专业水平。

文章插图
Player of Games在德州扑克比赛中与公开可用的Slumbot对战。该算法还与Joseph Antonius Maria Nijssen开发的PimBot进行了苏格兰场的比赛。

文章插图
不同智能体在德州扑克、苏格兰场游戏中的比赛结果
结果显示，Player of Games是一个更好的德州扑克和苏格兰场玩家。与Slumbot对战时，该算法平均每hand赢得700万个大盲注（mbb/hand），mbb/hand是每1000 hand赢得大盲注的平均数量。
同时在苏格兰场，DeepMind称，尽管PimBot有更多机会搜索获胜的招数，但Player of Games还是“显著”击败了它。
三、研究关键挑战：训练成本太高施密德相信Player of Games是向真正通用的游戏系统迈出的一大步。
实验的总体趋势是，随着计算资源增加，Player of Games算法以保证产生更好的最小化-最优策略的逼近，施密德预计这种方法在可预见的未来将扩大规模。
“人们会认为，受益于AlphaZero的应用程序可能也会受益于游戏玩家。”他谈道，“让这些算法更加通用是一项令人兴奋的研究。”
当然，倾向于大量计算的方法会让拥有较少资源的初创公司、学术机构等组织处于劣势。在语言领域尤其如此，像OpenAI的GPT-3这样的大型模型已取得领先性能，但其通常需要数百万美元的资源需求，这远超大多数研究小组的预算。
即便是在DeepMind这样财力雄厚的公司，成本有时也会超过人们所能接受的水平。
对于AlphaStar，公司的研究人员有意没有尝试多种构建关键组件的方法，因为高管们认为训练成本太高。根据DeepMind披露的业绩文件，它在去年才首次盈利，年收入达到8.26亿英镑（折合约69亿人民币），获得4380万英镑（折合约3.67亿人民币）的利润。从2016年~2019年，DeepMind共计亏损13.55亿英镑（折合约113亿人民币）。

文章插图
据估计，AlphaZero的训练成本高达数千万美元。DeepMind没有透露Player of Games的研究预算，但考虑到每个游戏的训练步骤从数十万到数百万不等，这个预算不太可能低。
结语：游戏AI正助力突破认知及推理挑战目前游戏AI还缺乏明显的商业应用，而DeepMind的一贯理念是借其去探索突破认知和推理能力所面临的独特挑战。近几十年来，游戏催生了自主学习的AI，这为计算机视觉、自动驾驶汽车和自然语言处理提供了动力。
随着研究从游戏转向其他更商业化的领域，如应用推荐、数据中心冷却优化、天气预报、材料建模、数学、医疗保健和原子能计算等等，游戏AI研究对搜索、学习和博弈推理的价值愈发凸显。
“一个有趣的问题是，这种水平的游戏是否可以用较少的计算资源实现。”这个在Player of Games论文最后中被提及的问题，还没有明确的答案。