研發麻將人工智慧的技術真那麼高?聽微軟解釋總不會錯了吧?(下)
這篇再來繼續帶你看這個麻將人工智慧,它後面更多不為人知的發展和秘密,看完讓你恍然大悟! 為何我們會想寫這篇文章? 讀者看到了這篇文章: AI人工智慧又贏了!微軟Suphx突破日本麻將最高紀錄,打敗人類頂尖玩家 時,可能會立即聯想到 Google 開發的圍棋 人工智慧 Alpha Go 於兩年前以近乎完美姿態打敗人類選手李世乭和柯潔的新聞。根據微軟所說:研發麻將 AI 人工智慧的技術門檻可說是比研發圍棋、德州撲克等棋牌、博弈類的遊戲難多了!是真的嗎?這篇取材自微軟亞洲研究院的新聞稿,解釋為何同樣是 人工智慧 ,為何研發 AI 麻將技術門檻就是比 Alpha Go 等棋類 AI 高的還多! 「全新機制、教練先知、全面預測」對付麻將AI研發瓶頸 全新機制應對「巨大的狀態空間」 例如,為了應對「巨大的狀態空間」,研究團隊引入了全新的機制:對探索過程的多樣性,進行動態調控,讓 Suphx 可以比傳統算法更加充分地試探牌局狀態的多種可能。另一方面,一旦某一輪的底牌給定,其狀態子空間會大幅縮小;所以研究團隊讓Suphx 在推理階段根據本輪的牌局,來動態調整策略,對縮小了的狀態子空間進行更有針對性的探索,從而更好地根據本輪牌局的演進做出自適應的決策。 「先知教練技術」應對「非完美資訊」 其次,針對「非完美訊息」博弈的挑戰,Suphx 創新性地嘗試了先知教練技術來提升強化學習的效果。其基本思想是在自我博弈的訓練階段,利用一些不可見的隱藏訊息,來引導 AI 人工智慧 模型的訓練方向,使其學習路徑能更加清晰、更加接近完美資訊意義下的最佳路徑,從而讓 AI 人工智慧 模型能更加深入地理解可見信息,從中找到有效的決策依據。 「全盤預測技術」理解「復雜的獎勵機制」 另外,對於麻將復雜的牌面表達和計分機制,研究團隊還利用全盤預測技術搭建起每輪比賽和8輪過後的終盤結果之間的橋樑。這個預測器通過精巧的設計,可以理解每輪比賽對終盤的不同貢獻,從而將終盤的獎勵信號合理地分配回每一輪比賽之中,以便對自我博弈的過程進行更加直接而有效的指導,並使得Suphx可以學會一些具有大局觀的高級技巧。 得益於以上新技術和其他方面的創新,自今年 3 月進入天鳳平台以來,Suph...