AI 都会和人类谈判了？Meta AI 最新研究登上 Science，LeCun 称里程碑式成果

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。

这就是 Meta AI 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。

Meta AI 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（planning algorithm）。

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。

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。

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。

这一步既建立了与意大利的伙伴关系，又消灭了一个潜在的对手。

不仅如此，谈判也是西塞罗的拿手好戏。

这次西塞罗扮演的是"德国"，与玩家"法国"一直在交战。这时法国南部同时受到了意大利的攻击，于是向西塞罗请求和谈。

西塞罗则趁机狮子大开口，要求法国归还侵略的领土，并保证不攻击荷兰。双方在讨价还价中顺利达成了协议。

就像上述展示的例子一样，两个月间，西塞罗共参与了 40 场外交游戏，与 82 名人类参赛者交锋。

在每场比赛中，西塞罗都会发送和接收平均 130 条消息。

其游戏水平甚至强过了人类：平均得分是人类玩家的 2 倍以上，甚至在玩过一场以上游戏的参与者中也能排到前 10% 。

网友：虽然它表现好但我很害怕

看完西塞罗在外交上的精彩表现，有网友感慨 AI 的发展速度：

Deep Blue 击败了卡斯帕罗夫，Watson 击败了智力竞赛的两位人类冠军，现在轮到 Meta AI 敲响马基雅维利（近代政治思想奠基人）的大门了。

还有人表示，这难道是迈向通识语言大模型的第一步吗？

LeCun 给出了肯定回复：

至少语言是基于事实的。

不过由于这款外交游戏以尔虞我诈著称，不少人也对此表示担忧：

这是直接鼓励研究人员开发更多擅长骗人的模型。

有网友就表示，玩这游戏甚至会失去朋友哦。

而从 AI 西塞罗的战绩来看，它可以迷惑人类玩家，并且说服人类听从它的策略。

所以有人就表示，这不是 AI 控制人类的选择乃至生活？

不过 Meta AI 表示，AI 西塞罗不是全没有失误的。

并且游戏中也还有很多需要和人类协作的环节，西塞罗的表现同样很好。

目前，它还只被放在游戏场景中测试过，并没有尝试过在开放语境下和人类谈判。

参考链接：

• [1]https://www.science.org/doi/10.1126/science.ade9097

• [2]https://ai.facebook.com/blog/cicero-ai-negotiates-persuades-and-cooperates-with-people/

• [3]https://twitter.com/ylecun/status/1595081004108206088

本文来自微信公众号：量子位 （ID：QbitAI），作者：明敏 羿阁