https://www.leiphone.com/news/202002/hpT8d7uyQcWNUghc.htmlhtml
（雷鋒網出品）按照傳統，過年須要走親訪友給長輩拜年的。可是今年狀況特殊，全國人民正在備戰「新疫情」，相信你們已經不會走街串巷，舉行大型聚會了。算法
但親朋好友聚仍然能夠「雲聚會」聊家常、催你結婚。固然線上搓兩把麻將也是不錯的娛樂方式，畢竟這在促進相互交流的同時，還能夠發揮你的聰明才智和運氣。數據庫
可是要記住，你線上隨機匹配對戰的話，很容易被AI給「伏擊」了。由於這兩年除了圍棋、DOTA以外，AI已經悄無聲息的攻佔了些許遊戲領域。下面就讓 雷鋒網 給你們梳理一下已經被AI攻佔的娛樂領域，也歡迎讀者文末留言補充。架構
AI麻將獲人類頂級水平
2019年8月份微軟發佈了他們在麻將遊戲中取得的重大突破：麻將AI 「Suphx」在國際知名專業麻將平臺「天鳳」上榮升十段。iphone
「天鳳」是日本的一個在線麻將競技平臺，創立於2006年。天鳳平臺的「十段」水平意味着Suphx在麻將界擁有了等同於AlphaGo在圍棋界的地位。機器學習
Suphx在2019年3月份開始登陸天鳳平臺，通過近三個多月、與人類玩家展開了5000餘場四麻對局後，6月份Suphx成功晉級天鳳十段，也是首個晉級十段的AI系統。學習
技術簡介以及策略測試
136張麻將牌的排列組合可能性很是多，再加上打牌過程當中4位玩家出牌的順序並非固定的（例如碰槓等），致使遊戲樹不只不規則並且仍是動態變化。人工智能
這些特色使得麻將AI很難使用AlphaGo那樣的蒙特卡洛樹搜索算法。麻將中每一個玩家除了手中的13張牌和已經打出的牌外，其餘玩家手中的牌和剩餘的底牌都是未知的（最多能夠有超過120張未知的牌），因爲隱藏信息過多致使遊戲樹的寬度很是大，樹搜索算法基本不可行。spa
對於日本麻將而言，一輪遊戲共包含8局，最後根據8局得分總和進行排名，來造成最終影響段位的點數獎懲。因此AI須要審時度勢，把握進攻與防守的時機。
對麻將的這些特色，研究者將整個訓練過程分爲三個階段。首先是「初始化」階段，本質上就是用專家數據（天鳳平臺提供的一些公開數據）作有監督學習，獲得一個初始模型。隨後在這個初始模型基礎上用自我博弈的方式進行強化學習。
在這個階段，爲了克服非完美信息博弈的問題，研究者在訓練階段利用不可見的一些隱藏信息來引導AI模型的訓練方向。此外還利用「全盤預測」技術搭建起每輪比賽和8輪事後的終盤結果之間的橋樑。第三個階段則是在線比賽，經過不斷參與到與人類玩家的對局中，從而不斷獲得自我更新和提升。
AI 賭神升級6人局德撲完勝世界冠軍
2017年年初，在卡耐基梅隆大學(CMU)舉行了德州撲克人機大戰，在比賽中4名人類職業玩家組成的人類大腦敗給了人工智能程序Libratus。
若是說當時Libratus擅長的是1V1領域，那麼2019年7月份的Pluribus在無限制德州撲克6人局裏，打敗了人類頂尖選手。
Pluribus由Facebook與CMU合做開發，相關論文發表在了《Sicence》上面。據《Superhuman AI for multiplayer poker》這篇論文介紹，Pluribus，每小時能贏1千刀
且只用了8天的訓練時間。
技術簡介以及策略
根據論文介紹，整個AI的設計分爲兩個階段，第一階段爲藍圖策略，這一階段是爲了下降遊戲的複雜性，進行遊戲抽象。抽象分爲兩個部分動做抽象和信息抽象：動做抽象減小了AI須要考慮的不一樣動做的數量；信息抽象則是把策略上類似的牌局放在一塊兒，並對其進行相同處理。
固然除了抽象以外，這部分所採用的算法是迭代的蒙特卡洛反事實遺憾最小化算法（MCCFR）。在算法的每次迭代中，MCCFR對玩家的某些行爲或機會結果進行採樣。在迭代結束時，玩家策略會更新，而後對每一個可能發生的狀況進行機率統計，經過搜索決策樹來決定下一步的行爲。
第二階段是深度限制搜索，這一階段Pluribus會進行實時搜索，制定更精細的策略。
算法假設每一個玩家在到達葉子結點時，能夠選擇四種不一樣的策略來進行下面的遊戲，其中包括預先計算的藍圖策略，修改後偏向於棄牌的藍圖策略，修改後偏向於跟注的藍圖策略，以及修改後偏向於加註的藍圖策略。這樣的搜索方法能找到一種更平衡的策略，從而產生更強的總體表現。
總的來講，Pluribus經過將相似的狀況打包在一塊兒，減小了關因而否跟注(call)、加註(raise)或棄牌(fold)的決策點的數量。使用蒙特卡羅虛擬遺憾最小化(MCCFR)，將撲克遊戲中樹搜索的複雜性從一個棘手的問題下降到一個可解決的問題。
AI 「絕悟」已達到王者榮耀職業水平
2019 年 8 月 2 日，在吉隆坡舉辦的《王者榮耀》世界冠軍盃（該遊戲最高規格的賽事）半決賽的特設環節中，騰訊 AI Lab 策略協做型 AI 「絕悟」在與職業選手賽區聯隊的 5v5 競技中獲勝。這代表絕悟 AI 已經達到了《王者榮耀》電競職業水平。
「絕悟」名字寓意絕佳領悟力，其技術研發始於2017年12月，並在2018年12月經過了頂尖業餘水平測試（前職業選手與主播聯隊帶來）。
技術簡介以及策略
「絕悟」版本創建了基於「觀察-行動-獎勵」的深度強化學習模型，無需人類數據，從白板學習（Tabula Rasa）開始，讓 AI 本身與本身對戰，一天的訓練強度高達人類 440 年。
AI 從0到1摸索成功經驗，勤學苦練，既學會了如何站位、打野、輔助保護和躲避傷害等遊戲常識。更驚喜的是，AI 也探索出了不一樣於人類常規作法的全新策略。
遊戲中的難點，是 AI 要在不徹底信息、高度複雜度的狀況做出複雜快速的決策。在龐大且信息不完備的地圖上，10位參與者要在策略規劃、英雄選擇、技能應用、路徑探索及團隊協做上面臨大量、不間斷、即時的選擇，這帶來了極爲複雜的局面，預計有高達10的20000次方種操做可能性，而整個宇宙原子總數也只是10的80次方。
另外，版本相關的技術論文被頂級學術會議 AAAI 2020 接收。
arxiv 連接：https://arxiv.org/abs/1912.09729
寫做AI 跨界下象棋
OpenAI 的 GPT-2在文本生成上有着驚豔的表現，其生成的文本在上下文連貫性和情感表達上都超過了人們對目前階段語言模型的預期。
具體而言這種機器學習算法能夠在不少任務上達到了業內最佳水平，還能夠根據一小段話自動腦補出大段連貫的文本，若有須要，人們能夠經過一些調整讓計算機模擬不一樣的寫做風格。
然而這個NLP 除了作閱讀理解、問答、生成文章摘要、翻譯以外，還能用來幹嗎？好奇心很強的網友便拿OpenAI 的 GPT-2 作了個實驗。它除了能生成文本，居然還能下象棋、作音樂！
僅僅通過一個小時的訓練，GPT-2 1.5B 模型就表現出了國際象棋「天賦」。雖然在下了幾步棋以後，就會出現無效移動，但此次實驗仍是證實了製造 GPT-2 國際象棋引擎並不是不可能。
GPT-2 介紹
2018 年 6 月，OpenAI 發表論文介紹了本身的語言模型 GPT，它基於 Transformer 架構，用先在大規模語料上進行無監督預訓練、再在小得多的有監督數據集上爲具體任務進行精細調節（fine-tune）的方式，不依賴針對單獨任務的模型設計技巧就一次性在多個任務中取得了很好的表現。
這也是 2018 年中天然語言處理領域的研究趨勢，就像計算機視覺領域流行 ImageNet 預訓練模型同樣。此次的 GPT-2 是 GPT 的直接技術升級版本，有多 10 倍的模型參數，多達 15 億個，並在多 10 倍的數據上進行訓練。
訓練數據是來自互聯網的 40GB 高質量語料，具體來講這些語料來自 Reddit 論壇中出現的高評分外鏈頁面；高評分表示這些頁面中的內容有較高的質量。這樣篩選出的語料內容多達 800 萬個頁面。模型在無監督訓練階段的目標是，給定一組單詞組成的句子以後預測下文的下一個詞。
因爲數據庫有足夠高的文本質量和足夠高的多樣性，模型也有很高的容量，即使這樣簡單的訓練目標也得出了驚人的結果：模型不只能夠根據給定的文本流暢地續寫句子，甚至能夠造成成篇的文章，就像人類的續寫文章同樣。
模型生成文本有時會出現失敗的現象，好比文字重複、錯誤的世界常識（好比有時候模型會寫到在水下燃燒的火）、不天然地切換話題，但在成功的例子中，模型生成的文本有多樣、全面的敘述，對事件的介紹煞有介事，接近人類的表達質量，並且在段落之間甚至全篇文章之中保持連續一致。
雷鋒網(公衆號：雷鋒網)參考文獻：
https://mp.weixin.qq.com/s/vYl0RYagZLN0h5SGZlQ69Q
https://mp.weixin.qq.com/s/QrZwGj7LcxJs5BPowW8lwA
https://tech.sina.com.cn/roll/2019-12-29/doc-iihnzahk0806635.shtml
雷鋒網原創文章，未經受權禁止轉載。詳情見轉載須知。