能打败国际象棋大师的电脑?hum。人工智能和人类面临的新领域是 星际.

一中队的坦克耐心地坐在桥上。小型侦察车一寸紧张地前方, 探测敌人的迹象。突然, 两艘盟军的宇宙飞船在头顶上变焦。他们照亮了一群隐藏的外星人蜘蛛机器人。外星人的掩护, 他们攻击。战场爆发混乱。

称为 星际, 这场太空战战略游戏是在实时的。它通常是由人类演奏的, 但这一特定的比赛是不同的。每个侧面的指挥官都是复杂的人工智能 "机器人" 在第一次竞争 星际 AI 锦标赛, 这是本月早些时候在加利福尼亚斯坦福大学举行的决赛。这款游戏正在成为下一个竞技场, 将机器智能放到测试中, 甚至可以为 AI 下一步的大发展提供启发。

游戏和 AI 有一个历史。早在二十世纪五十年代, 电脑就被编程下棋。然而, 直到二十世纪八十年代代末, 他们才开始殴打人类的大师。从那时起, 其他的游戏, 如扑克, 去, 甚至 问答游戏的危害, 有 吸引了 AI 研究人员的兴趣.

"国际象棋是很难的, 因为你需要看很远的未来。扑克很难, 因为它是一个不完美信息的游戏。其他的游戏是很难的, 因为你必须作出决定非常快。 星际 在所有这些方面都很难, "解释 丹 Klein, 加州大学伯克利分校的人工智能研究员, 以及其中一个锦标赛团队的顾问。

广告

的诱惑 星际 对于人工智能的研究人员来说, 游戏的极端复杂性。玩家争夺资源, 建立军队, 在充满瓶颈、小巷和战略高地的领域中互相争斗。军队可以多达200独立控制的单位, 每一个都有不同的优势, 弱点和特殊能力, 如隐形伪装, 飞行或隐形传送。与国际象棋不同的是, 单位并不局限于正方形, 而是在恒定的运动中--两秒钟的分心可能是胜利和失败的区别。

"AI 机器人必须相互作用, 同时进行多个目标的推理, 实时行动, 处理不完美的信息--许多建筑强健智能的特性都在那里," 锦标赛组织者说 本韦伯, 一名研究生在 富有表现力的情报工作室 在加州大学圣克鲁斯分校

更甚的是, 虽然国际象棋 AIs 传统上使用的软件, 搜索所有的移动和 counter-moves 的排列, 这是不可行的, 写这样一个程序的游戏膨胀 星际, 说 大卫伯克兰德, 一个由伯克利进入的团队的成员。

广告

其中一个原因是, 球员不轮流: 军事单位正在不断地建立, 移动, 侦察有利的位置, 当然, 战斗。总的来说, 对手在战斗开始之前看不到敌人在干什么。

AI 锦标赛中的28竞争对手以各种方式处理了这种复杂性。最基本的是脚本编写, 程序员为 bot 编写一套脚本, 独立于游戏中所发生的事情。韦伯将这种方法描述为 "石头、纸、剪刀", 如果机器人碰巧为对手的所作所为执行正确的脚本, 它就可能获胜, 但如果没有, 它就不能适应和反应。

更复杂的方法是 有限状态机 (FSM), 一种游戏 AI 的设计者长期以来一直用来给人以智慧的错觉的技术。在这种方法中, 一个机器人有其可以选择的离散行为, 这取决于给它的输入。鬼在 Pac 人 是一个典型的例子, 在 "追逐" 和 "逃避" 之间切换, 这取决于同名的黄色火鸡是否吃了一粒能量丸。在 星际, fsm 既可用于控制战场上的单个单位战术, 也可用于在更高的战略层次上决定要生产的单位和时间。

广告

克莱克说, fsm 是有限的, 因为人类通常需要定义行为之间的过渡方式和时间, 这意味着如果遇到一个没有被明确编程处理的情况, 机器人可能会失败。

第三种方法依赖于机器学习。在当前的游戏条件下, 漫游者经过数千小时的游戏回放, 发现哪些策略和战术在统计上最有可能成功。这种方法可以与从试验和错误中学习相结合, 就像一个人类玩家可能训练的那样。机器人从错误和他人的错误中学习。大多数竞争者依赖于技术的混合。

该锦标赛本身被分为四类, 旨在使游戏的复杂性更易于管理的机器人, 这仍然不像一个专家的人的球员熟练。前两个类别的小固定大小的军队在简单的地形上相互对立。基于机器人通过选择比对手更好的攻击阵型来赢得这两个类别。

广告

在第三类, 机器人必须收获资源, 选择从有限的一套建筑和军事单位, 并战斗。但不像整个游戏, 他们被允许看到他们的对手准备。获胜的机器人使用一个模仿策略, 复制其对手的构建顺序, 同时抛出一些脚本技巧, 以获得上风。

锦标赛的最后一类是在不同地图上的 "胜-五" 回合中相互对立的机器人, 以获得游戏的全部功能。冠军, 伯克利队的 "主宰" 机器人, 使用了混合 fsm, 机器学习, 和有限形式的国际象棋风格的预测, 以控制成群的飞行单位, 旨在不断骚扰对手。

伯克兰德说, 这样的锦标赛可以帮助人工智能领域的进步。中的简单问题 星际, 就像在地图上找到路径一样, 可以由传统的 AI 来处理。但同时快速解决许多问题将需要新的思路。

广告

伯克兰德说: "在让这件事奏效方面, 有很多很好的人工智能研究问题。他的团队计划提交主宰在期刊上发表的方法的细节。

然而, 现在, 人类球员仍然是冠军 星际.在比赛中, Oriol Vinyals, 前 world-class 球员和伯克利团队的成员, 参加了一个顶级的机器人。经过短暂的搏斗, 他轻而易举地击败了他的 AI 对手。他怀疑这种情况永远不会发生。

他表示: "在2到3年内, 我预计机器人将成为5名球员中的最高分。"打最好的人类球员似乎不出问题。

新科学家 报告, 探索和解释在社会和文化背景下人类努力的结果, 提供科学和技术新闻的全面报道。