使 AI 多样化:迈向具有创造力的 AlphaZero 国际象棋
人工智能
2024-08-01 v3 机器学习
摘要
近年来,人工智能(AI)系统已在多种计算任务中超越人类智能。然而,AI 系统如同人类一样,会犯错、有盲点、产生幻觉,并难以泛化到新情境。本工作探讨当 AI 被推至其计算理性极限时,是否能从创造性决策机制中获益。具体而言,我们研究在挑战性任务中,多样化 AI 系统团队是否能通过作为群体生成更多想法再筛选最佳者,从而超越单一 AI。我们在被称为 AI 果蝇的国际象棋游戏中研究此问题。我们基于 AlphaZero (AZ) 并将其扩展为通过潜变量条件架构表示智能体联盟,称之为 AZ_db。我们训练 AZ_db 利用行为多样性技术生成更广范围的想法,并用次可加规划筛选最有前景者。我们的实验表明 AZ_db 以多样方式下棋,作为群体解出更多谜题并优于更同质的团队。值得注意的是,AZ_db 解出的挑战性谜题数量是 AZ 的两倍,包括困难的 Penrose 局面。当从不同开局下棋时,我们注意到 AZ_db 中的棋手专攻不同开局,且利用次可加规划为每个开局选择棋手带来相对于 AZ 的 50 Elo 提升。我们的发现表明,多样性红利出现在 AI 智能体团队中,正如在人类团队中一样,且多样性是解决计算困难问题的宝贵资产。
引用
@article{arxiv.2308.09175,
title = {Diversifying AI: Towards Creative Chess with AlphaZero},
author = {Tom Zahavy and Vivek Veeriah and Shaobo Hou and Kevin Waugh and Matthew Lai and Edouard Leurent and Nenad Tomasev and Lisa Schut and Demis Hassabis and Satinder Singh},
journal= {arXiv preprint arXiv:2308.09175},
year = {2024}
}