AI在人类设计的所有游戏中都打败了人类

在人工智能发展的历程中，国际象棋一直扮演着重要的角色。从约翰·麦卡锡在上世纪50年代初提出“人工智能”这一概念开始，国际象棋就被视为人工智能研究的试金石。这一比喻源于早期对果蝇的研究对遗传学领域的深远影响，因此麦卡锡将国际象棋比作人工智能领域的“果蝇”。

上世纪末，IBM的“深蓝”与世界冠军加里·卡斯帕罗夫进行了一系列国际象棋对决。到了本世纪早期，深蓝终于在1997年击败了卡斯帕罗夫，这是机器首次在比赛中战胜世界冠军。随着技术的不断进步，机器在国际象棋领域的表现越来越出色，不断战胜顶级大师。

随着技术的成熟，人工智能研究者们开始将目光投向更复杂的游戏，以测试他们的算法。在过去的十二个月里，人工智能不断突破新的界限，在各种游戏中击败人类玩家。从古老的围棋游戏到动态互动的纸牌游戏，机器的表现令人瞩目。

在国际象棋之后，人们曾认为围棋是人工智能难以攻克的堡垒。在机器学习飞速发展的过去十年中，真正有竞争力的人工智能围棋选手应运而生。谷歌开发的AlphaGo深度学习神经网络成为其中的佼佼者。在经历了几年的成功后，开发团队不断尝试新的方法和技术。神秘的“Master”在网络上出现，迅速占据主导地位并证明其强大的实力。最终，AlphaGo战胜了世界排名第一的围棋选手柯洁。更令人震惊的是，谷歌已经研发出了超越“Master”的更先进的AlphaGo版本。

根据《自然》杂志的报道，AlphaGo Zero是一种革命性的算法，具备快速自学围棋的能力。通过一遍又一遍地与自己对战并学习不同情况下的游戏方法，该算法在短短几周内达到了惊人的水平。而DeepMind推出的AlphaZero更是在数小时内掌握多种游戏的能力。在国际象棋和日本将棋领域也表现出了强大的实力。

DOTA 2，这款引人入胜的多人在线对战游戏，已然成为竞技界的一颗璀璨明珠。就在短短两周的学习后，OpenAI机器人便踏入了这场顶尖赛事，并以其强大的实力击败了多位顶尖选手。尽管目前人工智能系统仅掌握了一对一的游戏版本，但OpenAI团队的雄心壮志已经指向了更为复杂的团队游戏。人工智能的进步可谓日新月异。

早在几年前，谷歌DeepMind便开始了人工智能在雅达利游戏上的训练之旅。令人惊叹的是，只要输入与人类玩家相同的指令，AI便知道如何玩转这些游戏并轻松获胜。在无数挑战中，“吃豆人”这款游戏因其复杂性尤为引人瞩目。面对这样的挑战，谷歌收购的深度学习创业公司Maluuba带来了革命性的解决方案。他们引入了名为“混合式奖赏架构”（HRA）的新型机器学习方法。通过将这一方法应用于吃豆人游戏系统，该系统成功创建出多个个体代理，每个都有独特的目标。例如，有的专门寻找豆子，有的则负责躲避幽灵。在这一先进架构下，一个高级代理如同总指挥，在决策前会全面评估所有下属代理的建议。这种“分而治之”的策略使AI成功达到了前所未有的高分——999990分。

当我们惊叹于AI在游戏领域的辉煌成就时，一个问题不禁浮现在我们脑海中：下一步，我们将走向何方？法尔茅斯大学的研究人员给出了答案。他们公布了一种能够创造游戏的机器学习算法。名为Angelina的人工智能系统已经开始利用从各种来源的数据集制作游戏。从维基百科到在线报纸再到社交媒体，Angelina正在不断地学习和进步。这一切预示着什么？也许是强化学习系统的巨大进步——这是2017年最令人瞩目、最令人惊叹的发展之一。AlphaZero的迭代仅在几天的自主学习后，便能在某些游戏中展现出超凡的实力。一项针对人工智能研究人员的调查显示，尽管人工智能在当下尚未完全超越人类，但他们预测在不久的将来，人工智能将在多个领域超越我们。从写畅销小说到完成外科手术，人工智能的进步似乎无可限量。事实上，调查预测在不久的将来，人工智能将有可能完成我们所做的一切事情，并且做得更好。

回顾2017年，无疑是人工智能在游戏领域打败人类的里程碑式的一年。尽管这一成就看似微小，但其背后的影响却是深远的。许多人工智能公司已经开始将视线转向现实世界的挑战。谷歌DeepMind已经将AlphaGo Zero的系统应用于其他领域，如蛋白质折叠研究，以期找到治疗阿兹海默和帕金森等疾病的新方法。DeepMind的联合创始人兼首席执行官杰米斯？哈扎比斯表示：“我们希望通过这样的算法突破来解决现实世界中的问题。如果类似的技术能够应用于其他领域，如减少能源消耗或寻找新材料等结构性问题，那么取得突破将有可能加强人类对这个世界的理解并对我们的生活产生积极影响。”我们期待人工智能的未来带来更多惊喜与可能。