AI又來征服游戲了，這次的目標(biāo)是《指環(huán)王》！這是一款以團隊協(xié)作為中心的經(jīng)典卡牌游戲。新模型基于蒙特卡洛樹搜索 (MCTS) 算法，游戲難度越高越厲害！

AI再次入侵游戲領(lǐng)域！ 

與之前的即時策略類、對戰(zhàn)類游戲不同，這次的目標(biāo)是在國外非常流行的卡牌游戲《指環(huán)王》。 

說起來，自從AlphaGo橫空出世，擊敗人類最優(yōu)秀的職業(yè)圍棋手之后，AI開始在越來越多戰(zhàn)略游戲中與人類對戰(zhàn)。 

機器學(xué)習(xí)算法和其他計算工具開始變得越來越先進，許多計算機科學(xué)家開始通過訓(xùn)練他們在不同的游戲中與人類競爭來測試他們的能力。 

實際上，在過去10年左右的時間里，開發(fā)人員已經(jīng)訓(xùn)練了許多模型在戰(zhàn)略游戲、棋盤游戲、電腦游戲和紙牌游戲中與人類對戰(zhàn)。其中一些AI取得了顯著成果，擊敗了公認的人類冠軍和游戲?qū)＜摇?nbsp;

比如，Deepmind的AlphaStar模型就在《星際爭霸2》中超過了99.8%人類玩家水平，達到了最高的宗師級段位。 

近日，華沙理工大學(xué)的研究人員最近著手開發(fā)一種基于蒙特卡洛樹搜索 (MCTS) 算法的技術(shù)，可以玩由 Fantasy Flight Games 于 2011 年發(fā)布的《指環(huán)王》 (LotR) 經(jīng)典紙牌游戲。 

MCTS 算法是一種通用的啟發(fā)式?jīng)Q策方法，可以在隨機游戲（playouts）中來優(yōu)化給定游戲或場景中的搜索解決方案空間。研究人員在 arXiv 的一篇最新論文中介紹了他們的 MCTS 技術(shù)。 

“我們是《指環(huán)王》游戲的粉絲，但我們發(fā)現(xiàn)沒有現(xiàn)有AI可以玩這個游戲，”進行這項研究的兩位研究人員 Bartosz Sawicki 和 Konrad Godlewski 表示。“盡管如此，我們還是發(fā)現(xiàn)了樹搜索方法在類似的紙牌游戲中的應(yīng)用，比如萬智牌或《爐石傳說》。” 

《指環(huán)王》為什么之前沒有AI來嘗試呢？

主要原因是開發(fā)這款游戲的AI具有很高的挑戰(zhàn)性。這是一款合作紙牌游戲，游戲策略的解決方案空間巨大，邏輯結(jié)構(gòu)復(fù)雜，并且有隨機事件發(fā)生的可能性。這些特點使得游戲的規(guī)則和策略很難通過計算方法獲得。 

“2016 年圍棋人機大戰(zhàn)，是人類玩家有機會和 AI 競爭的最后時刻。”Sawicki 和 Godlewski 解釋說。“我們論文的目標(biāo)是為《指環(huán)王》游戲?qū)ふ颐商乜鍢渌阉鞯拇怼！?nbsp;

與其他著名的紙牌游戲，如《爐石傳說》和萬智牌相比，《指環(huán)王》的游戲模式有著很大的不同。事實上，《指環(huán)王》的中心策略是團隊合作，而不是與其他玩家競爭。

游戲中的決策過程非常復(fù)雜，游戲玩法包括多個階段，其中大部分玩法策略要取決于前一階段的結(jié)果。 

盡管面臨這些挑戰(zhàn)，Sawicki 和Godlewiski 還是能夠開發(fā)出一種可以玩 LotR 的基于 MCTS 的方法。然后，他們在游戲模擬器上進行了一系列測試，評估了他們開發(fā)的技術(shù)。 

“我們的 MCTS 玩家的勝率明顯高于基于規(guī)則的人類專家級玩家，”Sawicki 和 Godlewski 說。“此外，我們的方法將領(lǐng)域知識添加到擴展策略和 MCTS 中，進一步提高了模型的整體效率。” 

這一成果證明，通過結(jié)合不同的人工智能和計算技術(shù)，AI模型可以實現(xiàn)復(fù)雜和協(xié)作式的策略游戲的精通。盡管如此，采用MCTS 來處理這些復(fù)雜的游戲也有很大的局限性。 

“主要問題是 MCTS 將游戲邏輯與AI 算法相結(jié)合，所以在構(gòu)建游戲樹時必須知道合法的走法，不過，調(diào)試具有顯著分支因素的游戲樹是一場噩夢。 

在很多情況下，程序可以運行順利，但游戲勝率為零，我們不得不手動檢查整個游戲樹。” Sawicki 和 Godlewski 解釋道。 

未來，這項技術(shù)可以被《指環(huán)王》游戲愛好者與 AI 合作玩游戲。還可以激發(fā)其他人工智能工具的開發(fā)，這些工具可以玩復(fù)雜的、戰(zhàn)略性、多階段的游戲。 

另外，這項研究未來還打算探索《指環(huán)王》游戲中訓(xùn)練的深度強化學(xué)習(xí) (RL) 代理的潛力和性能。 

研究人員表示：“目前的工作重點是使用強化學(xué)習(xí)來進一步提高 AI 在游戲中的性能。給定一個游戲狀態(tài)，神經(jīng)網(wǎng)絡(luò)返回一個由環(huán)境（即游戲模擬器）執(zhí)行的動作。 

這很困難，因為不同狀態(tài)下動作的數(shù)量不同，而策略網(wǎng)絡(luò)只能有一個固定的數(shù)量輸出。到目前為止，我們的結(jié)果很有希望。” 

參考鏈接

https://arxiv.org/pdf/2109.12001.pdf

https://techxplore.com/news/2021-10-monte-carlo-tree-algorithms-lord.html

本文來自微信公眾號“新智元”（ID:AI_era），作者：新智元，編輯：David，36氪經(jīng)授權(quán)發(fā)布。