211service.com
DeepMind möchte der KI beibringen, ein Kartenspiel zu spielen, das schwieriger ist als Go
Wenn Sie jemals das Kartenspiel Hanabi gespielt haben, werden Sie verstehen, wenn ich sage, dass es anders ist als alle anderen. Es ist ein kollaboratives Spiel, bei dem Sie die Hände aller anderen vollständig sehen können, aber nicht Ihre eigenen.
Um das Spiel zu gewinnen, muss jeder Spieler den anderen über eine begrenzte Anzahl von Runden Hinweise zu seinen Händen geben, um alle Karten in einer bestimmten Reihenfolge anzuordnen. Es ist eine intensive Übung in Strategie, Schlussfolgerung und Zusammenarbeit. Aus diesem Grund sind die Forscher von Google Brain und DeepMind der Meinung, dass es das perfekte Spiel für die KI ist, um es als nächstes in Angriff zu nehmen.
In einem neuen Artikel argumentieren sie, dass Hanabi im Gegensatz zu den anderen Spielen, die die KI beherrscht, wie Schach, Go und Poker, Theorie des Geistes und ein höheres Maß an Argumentation erfordert. Bei der Theorie des Geistes geht es darum, die mentalen Zustände anderer zu verstehen – und zu verstehen, dass sie möglicherweise nicht mit Ihren eigenen übereinstimmen. Es ist eine grundlegende Fähigkeit, die Menschen nutzen, um effizient in der Welt zu agieren, und eine, die wir normalerweise lernen, wenn wir sehr jung sind.
Informationen in Hanabi sind sowohl durch die Anzahl der Hinweise, die den Spielern in jedem Spiel gegeben werden, als auch durch das, was in jedem Hinweis mitgeteilt werden kann, begrenzt. Infolgedessen muss ein KI-Agent auch implizite Informationen aus den Aktionen der anderen Spieler sammeln, um das Spiel zu gewinnen – eine Herausforderung, der er sich bisher nicht stellen musste.
Außerdem muss er lernen, in seinen eigenen Hinweisen und Aktionen möglichst viele Informationen bereitzustellen, um den anderen Spielern zum Erfolg zu verhelfen. Wenn ein KI-Agent sich erfolgreich in einer derart unvollkommenen Informationsumgebung zurechtfinden kann, glauben die Forscher, dass er der effektiven Zusammenarbeit mit Menschen einen Schritt näher kommt.
All dies sind neuartige Herausforderungen für die Forschungsgemeinschaft und erfordern neue algorithmische Fortschritte, die die Arbeit mehrerer Teilbereiche der KI miteinander verbinden, darunter Reinforcement Learning, Spieltheorie und emergente Kommunikation – die Untersuchung, wie die Kommunikation zwischen mehreren KI-Agenten in kollaborativen Umgebungen entsteht .
Um diese Hypothese zu bestätigen, testete das Google-Team alle aktuellen hochmodernen Reinforcement-Learning-Algorithmen und stellte fest, dass sie schlecht abschneiden. Als Reaktion darauf veröffentlichten sie eine Open-Source-Hanabi-Umgebung, um die weitere Arbeit innerhalb der Forschungsgemeinschaft voranzutreiben.
Als Forscher hat mich fasziniert, wie KI-Agenten lernen können, miteinander und letztendlich auch mit Menschen zu kommunizieren und zu kooperieren, sagt Jakob Foerster, einer der Co-Autoren der Arbeit. Hanabi bietet eine einzigartige Gelegenheit für eine große Herausforderung in diesem Bereich.