在去年的世界人工智能大會(huì)上，時(shí)任微軟全球副總裁沈向洋表示，游戲一直是人工智能研究的最佳試驗(yàn)田，訓(xùn)練游戲AI的過(guò)程可以不斷提升人工智能的算法和人工智能處理復(fù)雜問(wèn)題的能力。在現(xiàn)實(shí)世界中，金融市場(chǎng)預(yù)測(cè)、物流優(yōu)化等很多問(wèn)題與麻將游戲有著相同的特點(diǎn)，包括復(fù)雜的操作/獎(jiǎng)勵(lì)規(guī)則、信息的不完全性等等。

　　微軟全球副總裁沈向洋

 

　　那么這次戰(zhàn)勝人類的麻將AI的出現(xiàn)有什么意義呢？記者采訪了浙江大學(xué)人工智能研究所所長(zhǎng)吳飛。他告訴記者，很多AI的研發(fā)都是針對(duì)某個(gè)領(lǐng)域或某個(gè)具體任務(wù)進(jìn)行的研究，這些AI的誕生的目的當(dāng)然不僅僅在某個(gè)游戲勝過(guò)人類這么簡(jiǎn)單，都是為了應(yīng)用到我們實(shí)際生活中去。

 

　　吳飛告訴記者：“微軟這款麻將AI所采取的策略其實(shí)和圍棋當(dāng)中的Alphago是類似的，框架還是基于強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)和蒙特卡洛樹(shù)搜索。只不過(guò)它是針對(duì)麻將這個(gè)具體問(wèn)題進(jìn)行優(yōu)化，如針對(duì)麻將中不同出牌的策略專門進(jìn)行學(xué)習(xí)。圍棋的難主要體現(xiàn)在狀態(tài)空間非常復(fù)雜，它是19×19 的棋盤上每一個(gè)位置都有“黑、白、無(wú)”三種狀態(tài)，這樣的復(fù)雜度差不多是10的172次方。在完美信息下只要算力足夠，就能通過(guò)搜索采樣的方式找到最優(yōu)的策略，AlphaGo就是利用蒙特卡洛樹(shù)搜索和深度強(qiáng)化學(xué)習(xí)，成功解決了這一難題。而麻將這種屬于不完全信息，有個(gè)序貫決策問(wèn)題，它雖然所需要探索的空間相比圍棋要小，但是序貫決策問(wèn)題難在你的每一步對(duì)后續(xù)產(chǎn)生的結(jié)果都是未知的。”

　　浙江大學(xué)人工智能研究所所長(zhǎng)吳飛

 

　　在吳飛看來(lái)，不論是圍棋還是麻將，現(xiàn)有的規(guī)則和標(biāo)準(zhǔn)都是可以用機(jī)器語(yǔ)言描述出來(lái)的，屬于“大數(shù)據(jù)小任務(wù)”，因此只要有足夠多的數(shù)據(jù)的支撐，加上在該特定領(lǐng)域內(nèi)強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)，AI戰(zhàn)勝人類在大部分棋牌類游戲中都是可以實(shí)現(xiàn)的，但這不代表現(xiàn)在的AI就比人類厲害了，因?yàn)槿祟愋袨槭?ldquo;小數(shù)據(jù)大任務(wù)”，不只是單一問(wèn)題的集合，實(shí)際的應(yīng)用場(chǎng)景比游戲要復(fù)雜的多。

 

　　“比如現(xiàn)在大家關(guān)注度比較高的自動(dòng)駕駛、城市大腦，這些場(chǎng)景更加復(fù)雜，沒(méi)有足夠多的數(shù)據(jù)，也沒(méi)有足夠準(zhǔn)確的機(jī)器語(yǔ)言去描述，因此目前的人工智能在實(shí)際使用中還很局限。不過(guò)這類AI的出現(xiàn)對(duì)我們解決序貫決策問(wèn)題還是很有幫助的，比如對(duì)經(jīng)濟(jì)活動(dòng)的調(diào)整的預(yù)測(cè)和分析，來(lái)幫助經(jīng)營(yíng)者作出更好的決策；在交通、物流領(lǐng)域進(jìn)行效率優(yōu)化，降低成本提高收益等。”