中新網(wǎng)北京12月7日電 (記者 孫自法)施普林格·自然旗下學(xué)術(shù)期刊《自然-通訊》最新發(fā)表一篇人工智能(AI)論文報(bào)告稱，人工智能代理可談判和形成協(xié)議，使其在桌面游戲《外交》中勝過其他無此能力的代理。這項(xiàng)研究展示了一種深度強(qiáng)化學(xué)習(xí)方法，用其建模的代理可以與其他人工代理溝通和合作，在玩游戲時(shí)共同制定計(jì)劃。

　　該論文介紹，開發(fā)能展現(xiàn)出代理間合作和溝通的人工智能十分重要。《外交》是一個(gè)流行桌面游戲，為此類行為提供了有用的測(cè)試平臺(tái)，它包含玩家之間復(fù)雜的溝通、談判和形成同盟，而人工智能一直很難達(dá)成這些。要贏得游戲，《外交》需要推斷在場(chǎng)玩家的未來計(jì)劃、玩家間的承諾，和他們的誠(chéng)實(shí)合作。過去的人工智能代理在單個(gè)玩家或兩個(gè)競(jìng)爭(zhēng)性玩家的游戲中取得過成功，其中玩家之間沒有交流。

　　來自英國(guó)人工智能企業(yè)DeepMind的論文第一作者加諾斯·克拉馬爾(János Kramár)、通訊作者約拉姆·巴赫拉奇(Yoram Bachrach)和同事設(shè)計(jì)了一個(gè)深度強(qiáng)化學(xué)習(xí)方法，讓代理可以協(xié)商同盟、共同制定計(jì)劃。他們創(chuàng)造出了模擬玩家的代理，形成團(tuán)隊(duì)，嘗試勝過其他隊(duì)伍的策略。通過預(yù)測(cè)可能的未來游戲狀態(tài)，這一學(xué)習(xí)算法允許代理對(duì)未來行動(dòng)達(dá)成一致，識(shí)別有益交易。為接近人類水平的表現(xiàn)，論文作者還通過檢驗(yàn)一些代理間承諾破裂的場(chǎng)景(代理背離了過去的協(xié)議)，調(diào)查了誠(chéng)實(shí)合作的條件。

　　論文作者總結(jié)說，他們的研究發(fā)現(xiàn)有助于人工智能代理形成靈活溝通機(jī)制的基礎(chǔ)，使其能根據(jù)環(huán)境調(diào)整策略。此外，這些發(fā)現(xiàn)還表明，對(duì)違反協(xié)議的同伴的制裁傾向如何大為降低了這類違反者的優(yōu)勢(shì)，有助于形成大多可信的交流，盡管情況最初更有利于違反協(xié)議者。(完)