Google的AI打败了柯洁, 微软的AI打败了“吃豆人”的老婆

在Google的Alpha Go已经玩了大半年《星际争霸2》、又在围棋领域打败了柯洁之后，微软的AI也终于在《吃豆小姐》游戏里扬眉吐气了。

去年9月，微软的首席执行官Satya Nadellaz在开发者大会上表示“我们不会追求AI在游戏中击败人类”，不过他们今年年初收购的人工智能初创公司Maluuba最近发布了一项成果：

Maluuba开发的AI在《吃豆小姐》（Ms. Pac-Man）Atari 2600版本中取得了这款游戏的历史最高分999,990分。

顺便说，在此之前《吃豆小姐》的最高分是人类玩家阿布那·阿什曼保持的933,580分。

《吃豆小姐》游戏

选择《吃豆小姐》是因为简单？不不不，其实是因为它难

《吃豆人》（Pac-Man）我知道，但是《吃豆小姐》是啥？

1980年5月，日本南梦宫（NAMCO）株式会社推出了《吃豆人》街机游戏，并选择了Midway Games作为这个游戏的美国发行商。这款游戏的玩法大家都知道了，就是在游戏迷宫里尽可能多地吃水果和白色豆子获得分数，同时躲避四个幽灵的攻击。

不过，初代《吃豆人》游戏的地图和幽灵出现的位置都是固定的，熟练玩家闭着眼都知道应该往哪走，所以游戏本身并没有什么难度。

于是在游戏发行一周年时，代理商Midway Games的伊利诺斯州分公司就在美国发行了《吃豆人》的非官方强化版《吃豆小姐》（Ms. Pac-Man）。这个强化版本的游戏不仅把主角换成了吃豆小姐，怪物行动也有了随机性。在这个版本里玩家不能再闭着眼玩套路了，每次重玩都要动脑子。

强化版本推出之后大受玩家欢迎，吃豆小姐也被玩家亲切地称为“吃豆人的老婆”。亲爹南梦宫株式会社还能怎么办，当然是选择原谅他们，顺便把这个不是自己开发的游戏版本也编入了正统。

给AI玩的《吃豆小姐》差不多还是这样的

当然研究人员让AI玩的《吃豆小姐》不是最初的街机版本，而是Atari 2600版。Atari 2600是雅达利（Atari）公司1977年推出的一款家用游戏主机，包括Alpha Go在内的很多AI目前都在玩。

Atari主机上的大部分游戏都很适合机器学习，强化学习功能比较好的AI，只要一遍一遍重复玩就可以获得高分。当初DeepMind被Google收购，展示的项目之一就是AI玩Atari游戏的能力。

Maluubad的研究人员测试了很多游戏之后发现：对于AI来说，玩《吃豆小姐》比完其它Atari游戏要难。要让AI通过迷宫并不是难事，但随机出现的水果和幽灵却让AI面临的环境变得复杂多了。

AI是怎么玩这个游戏的？

简单来说，强化学习就是给定一个环境，如果AI在环境里做出了正确选择就给它奖励。随机性让AI在游戏里面临的环境变得复杂了，所以玩有随机性的游戏对于AI来说也更有难度。

为了让AI在游戏里获得高分，Maluuba公司创造了混合式奖赏架构（Hybrid Reward Architecture），也就是一种把游戏里的大问题分解成小问题，再把小问题分发给AI代理来解决的分治策略。

Maluuba用来玩游戏是一个顶级AI代理和150多个普通AI代理。每个普通AI代理都是相互独立的，它们分别精通《吃豆小姐》的一部分技巧：有的负责吃水果，有的负责吃豆子，有的负责躲避幽灵。

顶级AI代理的工作，就是综合考虑每个普通AI代理的意见，然后做出往哪边走的决策。决策的考虑因素有两个：一个是建议往某方向走的普通AI代理的数量，另一个是普通AI代理建议的强度。

比方说有100个普通AI代理建议向左、50个普通AI代理建议向右，那么从数量上看就选择左走；但如果50个AI建议向右的原因是左侧有幽灵走过去会死，那么从建议强度上就应该选择向右。

至于这么做的原理，Maluuba公司发表的研究论文里是这样解释的：将任务分解成具有定义权重的离散目标可以降低“问题的规模大小”，从而使复杂问题变得简单。

蒙特利尔学习算法研究所所长Yoshua Bengio在接受外媒采访时表示：

这种解决方法非常像人类的大脑，如果人工智能能够掌握这种分治策略，就能利用有限的信息来完成更加复杂的任务，人工智能技术也就会向前迈进一大步。

Yoshua Bengio所长是Maluuba公司的技术顾问。

也有反对者认为Maluuba公司的测试方法有问题。Maluuba公司事先已经把奖励和惩罚的权重写到了AI程序里，在游戏开始之前，AI就已经知道了幽灵是坏的、水果和豆子是好的。别的AI都是在玩游戏的过程里学习到哪些行为会得到奖励、哪些行为会被惩罚，但是Maluubad的AI从一开始就知道这些了。

反对者认为AI在游戏过程中并没有从环境里发现任何情报，只是根据奖励权重去决定收集豆子和水果、躲避幽灵，这根本不是在进行机器学习，因为AI在玩游戏的过程里根本就没学到任何东西。

Maluuba目前专注于长期的人工智能研究，在微软内部独立运作，不过AI在《吃豆小姐》游戏里学到的东西还是会被应用到微软的销售和业务工具Dynamics里，用来帮助用户判断销售线索。