0
雷鋒網(wǎng) AI 科技評論按，隨著 AI 系統(tǒng)在現(xiàn)實生活中變得越來越重要，我們自然該探索不同系統(tǒng)間的交互方式了，這些多智能體間到底用了什么獨(dú)特的方式呢？
在 DeepMind 的最新論文（發(fā)表在 Scientific Reports , Nature 出版社旗下雜志）中，研究人員用了博弈論來闡明這一問題。雷鋒網(wǎng)了解到，具體來說，他們研究了兩套智能系統(tǒng)在非對稱博弈游戲（asymmetric game）中的反應(yīng)和表現(xiàn)，這些游戲包括 Leduc 撲克和一些圖版游戲（如 Scotland Yard）。
在現(xiàn)實生活中，我們會遇到許多類似非對稱博弈游戲的場景，自動拍賣（automated auction）就是其中之一。在這一過程中，會混入許多 AI 扮演的買家或賣家，而真正參與其中的人類買家和賣家也都有自己的小算盤。最終的測試結(jié)果讓研究人員對這種奇怪的情況有了深刻了解，他們還拿出了一個相當(dāng)簡單的分析方法。
雖然 DeepMind 的主要目標(biāo)是如何將博弈論應(yīng)用到多個 AI 系統(tǒng)的交互中去，但研究人員得出的結(jié)果也可以用在經(jīng)濟(jì)、生物進(jìn)化和實證博弈論等學(xué)科中。
眾所周知，博弈論是數(shù)學(xué)界的重量級理論，研究人員通常會用它來研究競爭態(tài)勢下決策者們的戰(zhàn)略，該理論幾乎可通用于人類、動物和計算機(jī)世界。不過，在 AI 研究中，它一般會被用在“多智能體”環(huán)境下的研究中。舉例來說，多款家政機(jī)器人合作清潔房間就屬于其中的應(yīng)用場景之一。
一般來說，多智能體系統(tǒng)的演化動力學(xué)都靠簡單的對稱博弈論來分析，比如經(jīng)典的囚徒困境理論。雖然此類游戲能幫我們對多智能體系統(tǒng)的工作方式有一定了解，并告訴我們?nèi)绾螌崿F(xiàn)你好我好大家好的理想結(jié)果（即所謂的納什均衡），但卻無法模擬所有情況。
DeepMind 的新技術(shù)讓研究人員能快速容易地在更復(fù)雜的不對稱博弈游戲中找到取得納什均衡的策略，這類游戲中玩家通常有不同的戰(zhàn)略、目標(biāo)和獎勵。如果你想了解 DeepMind 是如何用新技術(shù)“破解”這類游戲的，可以試著去了解“性別博弈”，它也是博弈論研究的經(jīng)典案例之一。
在“性別博弈”中，兩個玩家要協(xié)調(diào)晚上到底去哪玩，是去看歌劇還是看電影？令人遺憾的是，他們中有一個人傾向于看歌劇，另一個人則偏愛電影。這樣的情境下，不對稱的情況就出現(xiàn)了，因為即使兩個人達(dá)成一致，其中也有一個人會不高興。因此，要想繼續(xù)維持兩人的友誼（劃掉），或者說均衡，玩家就該共進(jìn)退（畢竟產(chǎn)生分歧換來的只有零回報）。
這個游戲有三種“勢均力敵”的均衡情況：
兩個玩家都決定去看歌劇，
兩人都選擇去看電影，
則是混合選項，即每位玩家在夜晚外出的五分之三時間內(nèi)享用自己的心頭好。
第三種選項是一種“不穩(wěn)定”（unstable）選項，用 DeepMind 的方法很輕松就能進(jìn)行簡化或者分解，非對稱博弈游戲也就轉(zhuǎn)換成為對稱的對應(yīng)部分。這一方法將兩個玩家的獎勵表分別當(dāng)作獨(dú)立的雙玩家對稱博弈，這樣也能輕松地找到原本不對稱博弈游戲的納什均衡點。
在下圖中，b 和 c 圖的納什均衡點很容易找到，借助它們我們就能在非對稱博弈中找到 a 圖中的最佳策略。當(dāng)然，我們也可以反過來，通過非對稱博弈來找尋對應(yīng)體中的平衡點。
紅點代表納什均衡。對于非對稱博弈游戲(a)，可以從(b)與(c)代表的兩個對應(yīng)圖中找到納什均衡。如圖所示，x軸和y軸分別代表玩家1和2選擇看歌劇的可能性。
這種方法還可運(yùn)用于其他游戲，比如 Leduc 撲克，在論文中研究人員還對它進(jìn)行了詳細(xì)解讀。無論哪種情況下，這種方法都足夠簡單，它能幫玩家快速和直接的分析非對稱博弈游戲，進(jìn)而幫助我們理解不同的動態(tài)系統(tǒng)，其中就包括多主題環(huán)境下的系統(tǒng)交互。
Via. DeepMind
論文地址：https://www.nature.com/articles/s41598-018-19194-4, 雷鋒網(wǎng)編譯
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
