AI都會和人類談判了？Meta AI最新研究登上Science，LeCun稱里程碑式成果

AI都學會和人類談判了？還能成功說服人類聽它安排？

話術一流到人類完全分辨不出它是AI。

這就是Meta AI的最新成果——AI模型CICERO（西塞羅），現已登上Science。

嗯，就是和古羅馬著名政治家、演說家西塞羅同名。

研究人員讓這個AI西塞羅隱藏身份加入到一個外交游戲里，82名人類玩家在40場游戲中，都沒有懷疑過它其實是個AI。

而且還戰績斐然，全程平均分達到25.8%，是人類玩家平均分的2倍，并且最終排名為前10%。

成果一經發布，就在網上引發熱議。

有人評價：這意味著AI在最具人類特點的游戲里戰勝人類，超乎想象…

LeCun都稱它為：里程碑式的研究！

目前，模型代碼已在GitHub上開源。

AI嘮嗑其實一直都引人詬病，更別提外交這種需要超高話術的場景了。

它需要理解對方的語言、動機，制定自己的話術策略，并調整好措辭。

有時甚至還需要“耍心眼”，故意說一些假話給對方設套。

這種超高難度任務，怎么挑戰？

俗話說一口吃不成胖子。

Meta AI就想到了先從游戲場景來切入（畢竟AI在玩游戲上是老手了）。

不過和之前棋類或競技游戲不同，外交游戲并沒有那么強的規則性，運籌帷幄、隨機應變的環節不少。

實驗中用到的游戲是webDiplomacy（以下用“外交游戲”指代它）。

這款游戲的背景是1901年的歐洲，7位玩家每人控制一個大國，通過相互合作、協商，盡可能地占領更多領土。

西塞羅的核心是由一個對話引擎和一個戰略推理引擎共同驅動的。

簡單理解，這里的對話引擎和GPT-3、LaMDA類似，戰略推理引擎和AlphaGo相近。

用到的對話模型，是從一個類似于2.7億參數的BART模型訓練而來。

BART吸收了GPT和BERT各自的特點，它比BERT更適合文本生成的場景，還能雙向理解上下文語境信息。

具體來看，研究人員先從互聯網上獲取文本訓練對話模型，然后再在實際的外交游戲場景中微調。

戰略推理引擎用到的是一個規劃算法（planning algorithm）。

該算法能夠基于現況計算出一個最優選擇。再通過強化學習訓練，懲罰模型做出的“不像人”的策略，以此讓模型給出的策略更合理。

畢竟，在外交游戲中是和人打交道，讓AI更像人也是最基本的要求之一。

而且強化學習這種迭代式的訓練，可以不斷改進AI做出的策略預測。比傳統方法中常用的監督學習（即打標簽的方式）效果更好。

實操中，西塞羅首先會根據目前為止的游戲狀態和對話，對每個人的會采取的動作做一個初步預判。

接下來，在不斷地協商過程中，它都會不斷地改進預測，然后使用這些預測為自己和合作伙伴設置一個共同的目標。

其次，它會根據局勢狀態、對話及其目標，從對話模型中生成幾個候選消息，使用分類器等過濾機制過濾掉無意義的，生成最終的高質量輸出文本。

例如，以下圖為例，在這一局中，西塞羅扮演“奧地利”。

當玩家“意大利”向它詢問意見，自己是否應該攻擊土耳其時，西塞羅會根據場上局勢——土耳其正在攻擊俄羅斯，判斷出這是一個兩面夾擊的好機會，然后勸意大利跟進攻打土耳其。

這一步既建立了與意大利的伙伴關系，又消滅了一個潛在的對手。

不僅如此，談判也是西塞羅的拿手好戲。

這次西塞羅扮演的是“德國”，與玩家“法國”一直在交戰。這時法國南部同時受到了意大利的攻擊，于是向西塞羅請求和談。

西塞羅則趁機獅子大開口，要求法國歸還侵略的領土，并保證不攻擊荷蘭。雙方在討價還價中順利達成了協議。

就像上述展示的例子一樣，兩個月間，西塞羅共參與了40場外交游戲，與82名人類參賽者交鋒。

在每場比賽中，西塞羅都會發送和接收平均130條消息。

其游戲水平甚至強過了人類：平均得分是人類玩家的2倍以上，甚至在玩過一場以上游戲的參與者中也能排到前10% 。

看完西塞羅在外交上的精彩表現，有網友感慨AI的發展速度：

Deep Blue擊敗了卡斯帕羅夫，Watson擊敗了智力競賽的兩位人類冠軍，現在輪到Meta AI敲響馬基雅維利（近代政治思想奠基人）的大門了。

還有人表示，這難道是邁向通識語言大模型的第一步嗎？

LeCun給出了肯定回復：

至少語言是基于事實的。

不過由于這款外交游戲以爾虞我詐著稱，不少人也對此表示擔憂：

這是直接鼓勵研究人員開發更多擅長騙人的模型。

有網友就表示，玩這游戲甚至會失去朋友哦。

而從AI西塞羅的戰績來看，它可以迷惑人類玩家，并且說服人類聽從它的策略。

所以有人就表示，這不是AI控制人類的選擇乃至生活？

不過Meta AI表示，AI西塞羅不是全沒有失誤的。

并且游戲中也還有很多需要和人類協作的環節，西塞羅的表現同樣很好。

目前，它還只被放在游戲場景中測試過，并沒有嘗試過在開放語境下和人類談判。

來源：量子位