谷歌DeepMind研究人员揭示了人工智能多样性在应对国际象棋挑战中的力量 引入AZ_db，计算问题解决的下一个飞跃
谷歌DeepMind研究人员揭示了人工智能多样性在国际象棋中的力量 引入AZ_db，解决问题的下一个飞跃
人工智能已经延伸到几乎所有领域，我们发现它在几乎所有生活领域都有应用。在一些计算任务中，AI系统甚至超越了人类，在技术进步方面取得了重大进展。但是，AI系统与人类一样，也会犯错误，尤其是在面对未知场景时。这是因为AI依赖于可用的数据量和计算量。因此，持续的研究致力于减轻这些限制，增强AI在不同情况下的适应性和稳健性。
然而，AI系统可以在棋类游戏（如国际象棋、扑克等）中击败专业选手。这些AI系统使用强化学习，使它们能够通过试错学习并获得更多知识。但是，尽管这些AI国际象棋系统强大而强大，但它们仍然需要达到最佳水平。它们容易受到对抗性攻击，并且可能出现幻觉。
为了解决这个问题，Google DeepMind的研究人员开发了一项名为“多样化AI：朝着具有AlphaZero的创造性国际象棋”的新作品。他们进行了广泛的研究，探索人工智能如何利用人类智慧中观察到的创造性问题解决机制。他们设计了一种训练不同高质量AI代理的方法。他们用潜在变量来表示每个玩家。每个代理基于AlphaZero（AZ），但它们通过一种特殊的结构（潜在变量）组合在一起，以帮助它们作为一个团队工作。AlphaZero可以从头开始玩逻辑游戏，如国际象棋和将棋。即使AlphaZero对此类游戏没有先验知识，它也可以玩这些游戏。它还可以发挥创造性的棋步，并且可以击败人类职业选手。
为了解决国际象棋难题，研究人员将基于AlphaZero的代理AZdb与更均匀的AZ团队进行对决。他们发现，AZdb以两倍于AZ团队的速度解决了最困难的难题，包括具有挑战性的Penrose局面。研究的一个核心方面是确定这些AI系统的融合是否能够产生比单个AI系统的输出更多的创新想法。
研究人员强调，AI可以通过创造性问题解决机制提高准确性。研究人员尝试关注AI解决问题的能力。他们将这个术语定义为寻找问题的原创和以前未知的解决方案。
研究表明，AZdb对国际象棋的不同方式的多样化方法导致了作为集体的提高的难题解决能力，超过了更均匀团队的表现。对他们的国际象棋游戏的分析表明，AZdb参与者在各种开局中表现出专长。
研究人员得出结论，尽管这个AI系统表现良好，但人类和机器智能之间仍然存在差距。然而，研究人员希望这项工作能为进一步研究奠定基础。
