Google|DeepMind 打造加强版 AlphaGo：挑战各种最强棋牌 AI，战斗力惊人( 三 )_DeepMind|打造加强版|Alpha

文章图片

▲苏格兰场的抽象图，Player of Games能够持续获胜
在围棋比赛中，AlphaZero和Player of Games进行了200场比赛，各执黑棋100次、白棋100次。在国际象棋比赛中，DeepMind让Player of Games和GnuGo、Pachi、Stockfish以及AlphaZero等顶级系统进行了对决。

文章图片

▲不同智能体的相对Elo表，每个智能体与其他智能体进行200场比赛
在国际象棋和围棋中，Player of Games被证明在部分配置中比Stockfish和Pachi更强，它在与最强的AlphaZero的比赛中赢得了0.5%的胜利。
尽管在与AlphaZero的比赛中惨败，但DeepMind相信Player of Games的表现已经达到了“人类顶级业余选手”的水平，甚至可能达到了专业水平。

文章图片

Player of Games在德州扑克比赛中与公开可用的Slumbot对战。该算法还与Joseph Antonius Maria Nijssen开发的PimBot进行了苏格兰场的比赛。

文章图片

▲不同智能体在德州扑克、苏格兰场游戏中的比赛结果
结果显示，Player of Games是一个更好的德州扑克和苏格兰场玩家。与Slumbot对战时，该算法平均每hand赢得700万个大盲注（mbb/hand），mbb/hand是每1000 hand赢得大盲注的平均数量。
同时在苏格兰场，DeepMind称，尽管PimBot有更多机会搜索获胜的招数，但Player of Games还是“显著”击败了它。
三、研究关键挑战：训练成本太高
施密德相信Player of Games是向真正通用的游戏系统迈出的一大步。
实验的总体趋势是，随着计算资源增加，Player of Games算法以保证产生更好的最小化-最优策略的逼近，施密德预计这种方法在可预见的未来将扩大规模。
“人们会认为，受益于AlphaZero的应用程序可能也会受益于游戏玩家。”他谈道，“让这些算法更加通用是一项令人兴奋的研究。”
当然，倾向于大量计算的方法会让拥有较少资源的初创公司、学术机构等组织处于劣势。在语言领域尤其如此，像OpenAI的GPT-3这样的大型模型已取得领先性能，但其通常需要数百万美元的资源需求，这远超大多数研究小组的预算。
即便是在DeepMind这样财力雄厚的公司，成本有时也会超过人们所能接受的水平。
对于AlphaStar，公司的研究人员有意没有尝试多种构建关键组件的方法，因为高管们认为训练成本太高。根据DeepMind披露的业绩文件，它在去年才首次盈利，年收入达到8.26亿英镑（折合约69亿人民币），获得4380万英镑（折合约3.67亿人民币）的利润。从2016年~2019年，DeepMind共计亏损13.55亿英镑（折合约113亿人民币）。