AI都会和人类谈判了？Meta AI新研究登Science，LeCun称里程碑成果明敏羿阁发自凹非寺量子位|公

明敏羿阁发自凹非
寺量子位|公众号QbitAI
AI都学会和人类谈判了？还能成功说服人类听它安排？
话术一流到人类完全分辨不出它是AI 。

文章图片
这就是MetaAI的最新成果——AI模型CICERO（西塞罗），现已登上Science 。
嗯，就是和古罗马著名政治家、演说家西塞罗同名。
研究人员让这个AI西塞罗隐藏身份加入到一个外交游戏里， 82名人类玩家在40场游戏中，都没有怀疑过它其实是个AI 。
而且还战绩斐然，全程平均分达到25.8% ，是人类玩家平均分的2倍，并且最终排名为前10% 。
成果一经发布，就在网上引发热议。
有人评价：这意味着AI在最具人类特点的游戏里战胜人类，超乎想象…
LeCun都称它为：里程碑式的研究！
目前，模型代码已在GitHub上开源。
真有AI纵横家那感觉了AI唠嗑其实一直都引人诟病，更别提外交这种需要超高话术的场景了。
它需要理解对方的语言、动机，制定自己的话术策略，并调整好措辞。
有时甚至还需要“耍心眼” ，故意说一些假话给对方设套。
这种超高难度任务，怎么挑战？
俗话说一口吃不成胖子。
MetaAI就想到了先从游戏场景来切入（毕竟AI在玩游戏上是老手了）。
不过和之前棋类或竞技游戏不同，外交游戏并没有那么强的规则性，运筹帷幄、随机应变的环节不少。
实验中用到的游戏是webDiplomacy（以下用“外交游戏”指代它）。
这款游戏的背景是1901年的欧洲， 7位玩家每人控制一个大国，通过相互合作、协商，尽可能地占领更多领土。
西塞罗的核心是由一个对话引擎和一个战略推理引擎共同驱动的。
简单理解，这里的对话引擎和GPT-3、LaMDA类似，战略推理引擎和AlphaGo相近。
用到的对话模型，是从一个类似于2.7亿参数的BART模型训练而来。
BART吸收了GPT和BERT各自的特点，它比BERT更适合文本生成的场景，还能双向理解上下文语境信息。
具体来看，研究人员先从互联网上获取文本训练对话模型，然后再在实际的外交游戏场景中微调。
战略推理引擎用到的是一个规划算法（planningalgorithm）。
该算法能够基于现况计算出一个最优选择。再通过强化学习训练，惩罚模型做出的“不像人”的策略，以此让模型给出的策略更合理。
毕竟，在外交游戏中是和人打交道，让AI更像人也是最基本的要求之一。
而且强化学习这种迭代式的训练，可以不断改进AI做出的策略预测。比传统方法中常用的监督学习（即打标签的方式）效果更好。
实操中，西塞罗首先会根据目前为止的游戏状态和对话，对每个人的会采取的动作做一个初步预判。

文章图片
接下来，在不断地协商过程中，它都会不断地改进预测，然后使用这些预测为自己和合作伙伴设置一个共同的目标。

文章图片
其次，它会根据局势状态、对话及其目标，从对话模型中生成几个候选消息，使用分类器等过滤机制过滤掉无意义的，生成最终的高质量输出文本。
例如，以下图为例，在这一局中，西塞罗扮演“奥地利” 。
当玩家“意大利”向它询问意见，自己是否应该攻击土耳其时，西塞罗会根据场上局势——土耳其正在攻击俄罗斯，判断出这是一个两面夹击的好机会，然后劝意大利跟进攻打土耳其。