微軟研究人員創(chuàng)建了一個人工智能的系統(tǒng)，這個系統(tǒng)能夠在20世紀(jì)80年代風(fēng)靡全球的電子游戲吃豆人小姐（Ms. Pac-Man）中獲得最高分，系統(tǒng)使用了分治策略來更大程度地影響AI代理，從而完美地通關(guān)游戲。
本年年初，微軟收購了一家人工智能初創(chuàng)公司Maluuba。Maluuba公司團隊運用強化學(xué)習(xí)技術(shù)（機器學(xué)習(xí)的分支），在吃豆人小姐游戲Atari 2600版本中表示完美。使用這種方法，該團隊在這個游戲中得到的分?jǐn)?shù)高達(dá)999,990。
位于加拿大蒙特利爾的麥吉爾大學(xué)（McGill University）、從事計算機科學(xué)研究的Doina Precup副教授體現(xiàn)，AI研究人員的常常使用各種電子游戲來測試他們研發(fā)的系統(tǒng)，但研究人員發(fā)現(xiàn)吃豆人小姐游戲是最難并吞的。
但是，Precup體現(xiàn)，比擬于研究人員所取得的成就而言，她對于研究人員獲得成果的過程更加感興趣。為了在吃豆人小姐游戲中獲得更高的分?jǐn)?shù)，Maluuba公司團隊將操控吃豆人小姐游戲的大問題分解成若干個小問題，然后將小問題分發(fā)給AI代理解決。
Precup說：“這個分治策略的想法讓Maluuba公司的研究人員使用差別的系統(tǒng)來實現(xiàn)同一個目標(biāo)，這是一件非常有趣的事情”。
她還說到：“這個想法類似于一些大腦如何工作的理論，它可以更大程度地影響AI代理教學(xué)，從而利用有限的信息來完成更為復(fù)雜的任務(wù)。倘若能夠完美利用分治策略，那人工智能將向前跨越一大步，這真的令人感到尤為興奮。”
Maluuba團隊將這種分治策略稱之為混合式獎賞架構(gòu)（Hybrid Reward Architecture），這個方法使用了150多名人工智能代理，每個代理與其他代理彼此獨立地精通吃豆人小姐游戲。好比，一些代理成功找到一個豆子將獲得的獎勵，而別的一些代理由于幽靈的存在必需呆在原處。
然后，研究人員在吃豆人小姐游戲中創(chuàng)建了一個頂級代理，就像一家公司的高級經(jīng)理一樣，頂級代理能夠獲得所有代理的建議，綜合分析后由頂級代理來決定吃豆人小姐該如何移動。
頂級代理會按照選擇各個標(biāo)的目的前進的代理數(shù)量的大小來決定移動標(biāo)的目的，但同時也需要考慮到代抱負(fù)要往某個標(biāo)的目的移動的反應(yīng)強度。
例如，如果100個代抱負(fù)向右邊移動，因為向右邊走是他們的最佳路徑，但有3個人想要向左邊移動，因為右邊有一個致命的幽靈，那這3個代理向左邊移動的反應(yīng)強度明顯強于其他代理，考慮到幽靈的存在，頂級代理應(yīng)該決定向左移動。
Maluuba公司的研究室經(jīng)理Harman Van Seijen，對于他們的最新研究成果頒發(fā)了一篇文章，文章中寫到，當(dāng)每位代理都果斷地做出選擇，頂級代理綜合利用每個代理的信息后做出最佳選擇，那么在吃豆人小姐游戲中就可以獲得最好的結(jié)果。Harman Van Seijen說：“雖然每個代理只關(guān)心一個特定的問題，但是他們之間有很好的彼此作用”。
Harman Van Seijen為什么AI主要研究并吞吃豆人小姐游戲
需要運用最先進的AI研究方法來擊莠民似于上世紀(jì)80年代Atari吃豆人小姐游戲這樣的簡單游戲，，這看上去很匪夷所思。
但是Maluuba公司的項目經(jīng)理RahulMehrotra體現(xiàn)，使用算法來博得這些簡單的電子游戲其實非常困難，因為在玩游戲的過程中可能會遇到的各種各樣的情況。
Mehrotra體現(xiàn)：“許多從事人工智能的公司構(gòu)建游戲智能算法，因為公司希望人工智能能夠像人類一樣擁有打游戲的技能。”
SteveGolson是吃豆人小姐游戲街機版的創(chuàng)始人之一，他說到，吃豆人小姐最初定位是街機游戲，希望游戲?qū)θ藗冇谐掷m(xù)吸引力而走出宿舍，所以吃豆人小姐游戲必需掌握人類不成完全征服的游戲程序。
Steve Golson運營咨詢公司Trilobyte Systems的Golson說到，他們故意設(shè)計了吃豆人小姐游戲比普通吃豆人游戲更加不成預(yù)測，所以玩家們很難打通關(guān)。復(fù)雜的游戲使得研究人員試圖使用AI代理來對隨機環(huán)境做出抱負(fù)的反應(yīng)。
Golson還說到：“使用AI代理來通關(guān)吃豆人小姐游戲是可行的，但由于游戲的隨機性，所需要設(shè)計的AI程序?qū)⒂葹閺?fù)雜。”
強化學(xué)習(xí)
對于在不停發(fā)展的強化學(xué)習(xí)領(lǐng)域工作的研究人員來說，這種不成預(yù)測性極有價值。在AI研究中，強化學(xué)習(xí)是監(jiān)督學(xué)習(xí)的副本，是一種更常用的人工智能方法，它能夠讓系統(tǒng)在做任務(wù)時變得更好。
通過強化學(xué)習(xí)，代理對其每個動作都采取積極或消極的反應(yīng)，通過不停地試驗和犯錯誤來最大限度地獲得積極反應(yīng)或獎賞。
