游戏夜读 | 在游戏中打败人类

一系列的惊喜！以及错愕，还有期待。



2017年3月，人工智能Libratus在宾夕法尼亚州挑战美国顶尖德州扑克游戏玩家，在12万手比赛后，Libratus完胜全部4个对手。Libratus使用的“强化学习”方式能让计算机生成更具创造性的策略，在信息不完全的情况下作出更好的决策。5月，强化版围棋人工智能AlphaGo在中国乌镇3:0战胜世界第一棋手柯洁，并与八段棋手协同作战在组队战中全胜5位顶尖九段棋手。AlphaGo的第一个版本使用来自人类专家的训练数据进行引导，通过自我下棋和对蒙特卡洛树搜索稍加改动进行进一步的改进。10月，横空出世的AlphaGo Zero仅通过40天的学习就战胜了自己的双胞胎兄弟AlphaGo Master。AlphaGo Zero采用无监督学习，从零开始，不需要任何人类的经验，并通过强化学习发现了新的围棋定式。AlphaGo Zero还优化了核心算法，将策略网络和值网络结合，并引入深度残差网络，用更少的算力得到了更好的结果。



2017年底，我们看到了AlphaGo Zero算法的另一个演绎：AlphaZero，它不仅精通围棋，还精通国际象棋和日本象棋，使用了一模一样的技术。有意思的是，这些软件走的步连经验最丰富的围棋选手都感到惊讶，激励围棋选手向AlphaGo学习，相应地调整自己的棋风。为了让这更容易，DeepMind还发布了AlphaGo 教学工具。围棋不是我们取得重大进展的唯一游戏。



强化学习的下一个领域似乎是更复杂的多人游戏，包括多人扑克，电子竞技。



DeepMind正在积极研究《星际争霸2》，发布了一种研究环境。与此同时，Libratus是卡内基•梅隆大学的研究人员开发的一个系统，它在为期20天的“一对一无限注德州扑克”（Heads-up, No-Limit Texas Hold’em）标赛中成功击败了顶尖扑克玩家。稍早些时候，查尔斯大学、捷克技术大学和艾伯塔大学的研究人员共同开发的DeepStack系统成为第一个击败职业扑克玩家的系统。请注意，这两个系统玩的都是单挑扑克比赛，这在两名玩家之间进行，比多个玩家扑克比赛容易得多。OpenAI在1v1 Dota 2中展示了初步的成功，目的在于在不远的将来能够玩转真正的5v5游戏。



然而，在这些激动人心的背后，是大把的钞票。比如DeepMind。



2017年，DeepMind亏损3.02亿英镑，相当于人民币27亿元。这个数字同比增长了221%。同期，DeepMind的员工成本大增。简单估算一下，这家公司员工的平均年薪：250万元（人民币）。不过，DeepMind的商业化能力还没有同步猛增。但是不用担心，虽然烧钱速度快得惊人，但Google依然支撑得起。DeepMind在报告中说，Google会在至少未来12个月时间里，继续向他们提供充足的财务支持，还写下了书面保证。



早在2016年，DeepMind在联合创始人穆斯塔法·苏莱曼(Mustafa Suleyman)的领导下，作为其应用团队的一部分成立了健康部门。该团队的目标一直是在现实环境中开发和部署人工智能技术，包括家庭医生诊所和医院，但到目前为止还没有商业产品，该部门尚未产生任何收入。此外，在英国和美国，该公司其他健康项目还包括一个医疗诊断应用程序，以及一个使用人工智能来分析医学扫描的（数据）流和程序。



2018年11月，DeepMind宣布将把其健康部门的控制权移交给加州一个新的谷歌健康部门，这表明该公司计划将努力进行扩张和商业化。在2019年3月的一次人工智能系统的现场演示中，DeepMind对一名患者进行了视网膜扫描，并对该女性患者的眼睛进行了实时诊断。扫描结果由谷歌云中的一组算法进行分析，这些算法在大约30秒内就给出了（疾病）紧急程度评级和详细诊断。



该系统能够检测包括青光眼、糖尿病性视网膜病变和老年性黄斑变性在内的一系列眼病，其准确度与世界领先专家水平相当。该产品原型是在过去三年中与伦敦Moorfields眼科医院合作开发的。有关这项研究的细节发表在去年8月的科学杂志《自然医学》(Nature Medicine)上。



只是，这些所谓的“商业应用”，均尚未进入业务应用领域。究其原因，还是在于现在的AI只是超级计算木偶人，只要游戏换个地图，就又要另外排一场戏。那么，后面的故事可能就像《权力的游戏》第八季一般，开始让媒体和大众觉得越来越无趣了吧！但真正的AI探险家们，仍在攀登。



文/良宵听雨。授权“游戏夜读”发表。