利用认知层次理论与贝叶斯学习在便士匹配游戏中战胜人类
人工智能
2021-02-16 v3 计算机科学与博弈论
机器学习
摘要
在决策上超越人类一直是人工智能（AI）的长期目标。博弈适用于检验AI在非数值任务中做出良好决策的能力。在本文中，我们开发了一种新的AI算法，用于在与人类玩家对弈香农“读心机”（1953）中所考虑的便士匹配游戏时发挥作用。具体而言，我们利用认知层次理论与贝叶斯学习技术持续演化一个用于预测人类玩家决策的模型，并让AI玩家依据模型预测做出决策以追求最佳的获胜机会。实验结果表明，我们的AI算法在30名志愿人类玩家中战胜了27名。
引用
@article{arxiv.1909.12701,
title = {Beating humans in a penny-matching game by leveraging cognitive hierarchy theory and Bayesian learning},
author = {Ran Tian and Nan Li and Ilya Kolmanovsky and Anouck Girard},
journal= {arXiv preprint arXiv:1909.12701},
year = {2021}
}
备注
IEEE 2020 American Control Conference