探索集體智能？阿里推出多智能體雙向協(xié)調網絡BicNet

過去十年中，人工智能取得了長足的進步，在圖像和語音識別上已經在某種程度上超越了人類。而通過反饋獎勵，單個的AI智能體也能在雅達利這樣的視頻游戲和圍棋中戰(zhàn)勝人類。

但人類真正的智能還包括了社會和集體智能，這也是實現(xiàn)通用智能必不可少的。就像雖然單個螞蟻的智能有限，但通過協(xié)作它們能狩獵，能筑巢，能發(fā)動戰(zhàn)爭。毫無疑問，人工智能的下一個挑戰(zhàn)就是讓大規(guī)模的AI智能體學習人類水平的協(xié)作與競爭。

協(xié)作的一個例子就是星際這樣的即時戰(zhàn)略游戲。雷鋒網(公眾號：雷鋒網)消息，最近阿里巴巴與倫敦大學的研究人員們，就在一篇論文中展示了如何用星際爭霸作為測試場景，讓智能體協(xié)同工作，在多對一和多對多中打敗敵人。

掩護攻擊

這項研究主要關注星際中的微管理任務，每個玩家控制自己的單位，在不同的地形條件下殲滅對手。星際這樣的游戲對計算機來說可能是最困難的，因為它們的復雜程度比圍棋要高得多。這種大型多智能體系統(tǒng)學習面臨的主要挑戰(zhàn)是，參數(shù)空間會隨著參與人數(shù)的增加而呈指數(shù)級增長。

研究人員讓多智能體把星際中的戰(zhàn)斗當作零和隨機游戲來學習。為了形成可擴展且有效的通訊協(xié)議，研究者引入了一個多智能體雙向協(xié)調網絡BiCNet，智能體可以通過它來交流。另外，研究中還引入了動態(tài)分組和參數(shù)共享的概念，來解決擴展性問題。

邊打邊跑策略

BiCNet可以處理不同地形下的不同類型的戰(zhàn)斗，且對戰(zhàn)時雙方都有不同數(shù)量的AI智能體。

分析顯示，在沒有任何諸如人類示范或標簽數(shù)據(jù)的監(jiān)督時，BiCNet也能學習各類協(xié)調策略，而這些策略與經驗豐富的玩家所展現(xiàn)出來的很相似，比如在不引發(fā)沖突的情況下移動，邊打邊跑等基本策略，以及 掩護攻擊與適度集中火力等高級技巧。

另外，BiCNet還可以輕易適應異構智能體任務。在實驗中，研究者根據(jù)不同的場景對網絡進行了評估，發(fā)現(xiàn)它表現(xiàn)優(yōu)異，在大規(guī)?，F(xiàn)實應用中有潛在價值。

研究中還發(fā)現(xiàn)，指定的獎勵與學習策略之間存在很強的相關性。研究人員計劃進一步研究這種關系，研究 策略如何在智能體網絡中傳遞，以及是否會出現(xiàn)特定的語言。另外，雙方都通過深度多智能體模型來操作時，納什均衡的的探討也很有意義。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。