设计技能兼容的人工智能：国际象棋中的方法论与框架

强大的人工智能系统常被用于与计算能力弱得多的智能体进行交互的场景，例如与人类协同工作，或在某些任务由算法、启发式方法或具有不同计算能力的其他实体处理的复杂环境中运行。然而，人工智能智能体若要在这些场景中成功交互，仅凭超人类的表现是不够的；它们还需要考虑到技能较弱的交互对象可能采取的次优行动或特有风格。我们提出了一个形式化评估框架，用于评估近最优人工智能与技能水平可能低得多的交互对象之间的兼容性；我们以流行的协作国际象棋变体作为模型系统，研究并开发能够与低技能实体成功交互的人工智能智能体。在此领域中，当与各种较低技能水平的引擎配对时，旨在输出近最优走法的传统国际象棋引擎被证明是不合格的伙伴，因为它们在设计时并未考虑其他智能体的存在。我们提出了三种方法论，用于在复杂决策场景中显式地创建技能兼容的人工智能智能体，以及两个旨在促进强大人工智能智能体与较低技能伙伴之间协作的国际象棋游戏框架。在这些框架上，尽管我们的智能体在常规国际象棋中表现较弱，但它们优于最先进的国际象棋人工智能（基于 AlphaZero），这表明技能兼容性是一种有形的特性，在性质和可测量性上均不同于原始性能。我们的评估进一步探索并阐明了我们的智能体实现技能兼容性的机制。