211service.com
DeepMind wil AI leren een kaartspel te spelen dat moeilijker is dan Go
Als je ooit het kaartspel Hanabi hebt gespeeld, zul je het begrijpen als ik zeg dat het anders is dan alle andere. Het is een samenwerkingsspel waarin je volledig zicht hebt op de handen van iedereen, maar niet die van jezelf.
Om het spel te winnen, moet elke speler de anderen hints geven over hun handen gedurende een beperkt aantal rondes om alle kaarten in een bepaalde volgorde te rangschikken. Het is een intensieve oefening in strategie, gevolgtrekking en samenwerking. Daarom denken onderzoekers van Google Brain en DeepMind dat dit de perfecte game is voor AI om als volgende aan te pakken.
In een nieuw artikel stellen ze dat Hanabi, in tegenstelling tot de andere spellen die AI onder de knie heeft, zoals schaken, Go en poker, theory of mind en een hoger niveau van redeneren vereist. Theory of mind gaat over het begrijpen van de mentale toestanden van anderen - en begrijpen dat ze misschien niet hetzelfde zijn als die van jou. Het is een fundamentele vaardigheid die mensen gebruiken om efficiënt in de wereld te opereren, en een die we meestal oppikken als we heel jong zijn.
Informatie in Hanabi wordt beperkt door zowel het aantal hints dat de spelers in elk spel krijgen als door wat er in elke hint kan worden gecommuniceerd. Als gevolg hiervan moet een AI-agent ook impliciete informatie oppikken uit de acties van de andere spelers om het spel te winnen - een uitdaging die hij nog niet eerder heeft aangegaan.
Bovendien moet het leren hoe het zoveel mogelijk informatie kan verstrekken in zijn eigen hints en acties om de andere spelers te helpen slagen. Als een AI-agent met succes door zo'n onvolmaakte informatieomgeving kan navigeren, denken de onderzoekers, zal het een stap dichter zijn bij een effectieve samenwerking met mensen.
Dit zijn allemaal nieuwe uitdagingen voor de onderzoeksgemeenschap en vereisen nieuwe algoritmische vooruitgang die het werk van verschillende subgebieden van AI met elkaar verbindt, waaronder versterkingsleren, speltheorie en opkomende communicatie - de studie van hoe communicatie ontstaat tussen meerdere AI-agenten in samenwerkingsomgevingen .
Om deze hypothese te bevestigen, heeft het Google-team alle huidige state-of-the-art algoritmen voor het leren van versterking getest en vastgesteld dat ze slecht presteren. Als reactie daarop brachten ze een open-source Hanabi-omgeving uit om verder werk binnen de onderzoeksgemeenschap te stimuleren.
Als onderzoeker ben ik gefascineerd door hoe AI-agenten kunnen leren communiceren en samenwerken met elkaar en uiteindelijk ook met mensen, zegt Jakob Foerster, een van de coauteurs van het artikel. Hanabi biedt een unieke kans voor een grote uitdaging op dit gebied.