211service.com
DeepMind ønsker at lære AI at spille et kortspil, der er sværere end Go
Hvis du nogensinde har spillet kortspillet Hanabi, vil du forstå, når jeg siger, at det er ulig noget andet. Det er et samarbejdsspil, hvor du har fuld overblik over alle andres hænder, men ikke dine egne.
For at vinde spillet skal hver spiller give de andre hints om deres hænder over et begrænset antal runder for at arrangere alle kortene i en bestemt rækkefølge. Det er en intens øvelse i strategi, slutninger og samarbejde. Derfor mener forskere hos Google Brain og DeepMind, at det er det perfekte spil for AI at tackle næste gang.
I et nyt papir hævder de, at i modsætning til de andre spil, AI har mestret, såsom skak, Go og poker, kræver Hanabi teori om sind og et højere niveau af ræsonnement. Theory of mind handler om at forstå andres mentale tilstande – og forstå, at de måske ikke er de samme som din egen. Det er en grundlæggende færdighed, som mennesker bruger til at fungere effektivt i verden, og som vi normalt opfanger, når vi er meget unge.
Information i Hanabi er begrænset både af antallet af hints, der gives til spillerne i hvert spil, og af, hvad der kan kommunikeres i hvert hint. Som et resultat skal en AI-agent også opsamle implicit information fra de andre spilleres handlinger for at vinde spillet – en udfordring, den ikke har været udsat for før.
Derudover skal den lære at give den størst mulige information i sine egne hints og handlinger for at hjælpe de andre spillere med at få succes. Hvis en AI-agent med succes kan navigere i et så ufuldkomment informationsmiljø, mener forskerne, vil det være et skridt tættere på at samarbejde effektivt med mennesker.
Disse er alle nye udfordringer for forskersamfundet og vil kræve nye algoritmiske fremskridt, der forbinder arbejdet i flere underområder af AI, herunder forstærkende læring, spilteori og emergent kommunikation - studiet af, hvordan kommunikation opstår mellem flere AI-agenter i kollaborative omgivelser .
For at bekræfte denne hypotese testede Google-teamet alle de nuværende avancerede forstærkningsindlæringsalgoritmer og fandt ud af, at de yder dårligt. Som svar udgav de et open source Hanabi-miljø for at anspore til yderligere arbejde i forskningsmiljøet.
Som forsker har jeg været fascineret af, hvordan AI-agenter kan lære at kommunikere og samarbejde med hinanden og i sidste ende også mennesker, siger Jakob Foerster, en af avisens medforfattere. Hanabi giver en unik mulighed for en stor udfordring på dette område.