说米网

在人工智能范畴，运用游戏作为功能指标的传统悠久而广泛。EquiLibre Technologies、Sony AI、Amii和Midjourney等研讨团队与Google DeepMind协作推出的“Student of Games”（SoG）算法，通过结合定向查找、自我博弈学习和博弈理论，实现了一个通用算法，对早期工作进行了一致。
SoG在完美和非完美信息游戏中取得了高度实证功能，标志着通用算法开展迈出了重要一步。跟着核算才能和逼近才能的增加，研讨团队展现了SoG的稳健性，并终究实现了无瑕的游戏表现。SoG在国际象棋和围棋中表现出色，在无限制德州扑克中打败了最强大的揭露可用署理，并在Scotland Yard中打败了最先进的署理。这一不完美信息游戏展现了引导式查找、学习和博弈理论的价值。
AI机器人打游戏
为了展现人工智能的进展，研讨团队教授了一台核算机玩棋盘游戏，并将其改善到能够打败人类的水平。通过这项最新研讨，团队在创立人工通用智能方面取得了重大进展，使核算机能够履行曾经被以为对机器而言不可能的使命。
与大多数只规划玩一个游戏的棋盘游戏核算机不同，该项意图研讨人员开发了一个智能体系，能够参与需求广泛才能的游戏。
SoG，即“Student of Games”，将查找、学习和博弈理论分析融入一个单一算法中，具有许多实践使用。它包含一种用于学习CVPNs和声学自我博弈的GT-CFR技能。特别是在最优和次优信息游戏中，SoG被保证会在核算资源改善时生成更好的极小极大优化技能近似值。这一发现在Leduc扑克中也在经验证明，在那里额外的查找导致测验时刻近似值的提炼，这与不运用查找的任何纯RL体系不同。
SoG之所以如此有用，是因为它采用了一种称为增长树对策反悔最小化（GT-CFR）的技能，这是一种能够在任何时候履行的本地查找，涉及非均匀构建子游戏，以增加与最重要未来状况相关的子游戏的权重。此外，SoG还采用一种称为声学自我博弈的学习技能，该技能基于游戏成果和递归子查找练习值和战略网络。(1g空间)作为通向能够在任何情境中学习的通用算法的重要一步，SoG在完美和非完美信息的多个问题范畴中表现出色。在信息有限的游戏中，规范查找使用程序面临着众所周知的问题。
SoG办法运用声学自我博弈来指导署理:在做出选择时，每个玩家运用通过良好调整的GT-CFR查找，结合CVPN生成当时状况的战略，然后用于随机抽样一个动作。GT-CFR是一个两阶段的进程，从当时公共状况开端，终究构成一棵成熟的树。当时公共树的CFR在悔反更新阶段进行更新。在扩展阶段，依据模拟的扩展轨道，向树中增加新的一般形式。GT-CFR迭代包含一次悔反更新阶段运转和一次扩展阶段运转。
在自我博弈进程中生成值和战略网络的练习数据:查找查询（在GT-CFR悔反更新阶段由CVPN查询的公共信仰状况）和完好的游戏轨道。有必要处理查找查询以依据反事实值方针更新值网络。(云空间)能够依据完好游戏轨道的方针调整战略网络。艺人在创立自我博弈数据(并回答问题)的同时，培训者发现并施行新网络，并偶尔刷新艺人。
一些局限性包含在德州扑克中运用投注抽象可能会被放弃，以使用对广泛动作空间的通用动作减少方针。在某些游戏中，对公共状况信息进行枚举可能会过于贵重，而生成模型能够在采样子集上运转，从而近似SoG，这目前在一些游戏中需求枚举每个公共状况的信息，这可能成本过高。
研讨团队相信，因为其自学习简直能够玩任何游戏的才能，SoG具有在其他类型的游戏中取得成功的潜力，并且已经在围棋、国际象棋、Scotland Yard和德州扑克等游戏中打败了竞争对手的AI体系和人类。这一研讨的所有荣誉归功于该项意图研讨人员。还请不要忘记参加我们的ML SubReddit、Facebook社区、Discord频道和电子邮件通讯，我们在那里共享最新的人工智能研讨新闻、酷炫的人工智能项目等。