萬智牌 - 即使使用人工智慧模型，也是最難咀嚼的遊戲

你可能不知道，一般來說，電玩遊戲為開發者訓練他們的機器學習模型創造了完美的教學和訓練環境，這是不言而喻的。有很多，但問題是目前哪些遊戲可以創造理想的環境來訓練他們的機器學習模型。最強大的人工智慧模型？

談到強大的著名人工智慧系統，許多人會立即想到 DeepMind 的「怪物」AlphaGo 或 Dota 2 遊戲玩家的「無與倫比」的遊戲機器 OpenAI。然而，王座只會真正屬於能夠流暢地「玩」《萬智牌》遊戲的 AI 模型——人類有史以來創造的最難的 AI 遊戲！

• 人工智慧 OpenAI 擊敗衛冕世界冠軍 Dota 2 戰隊

由獨立研究員 Alex Churchill 領導的三位著名科學家參與的研究小組最近宣布了一項與遊戲開發商使用的初步檔案相關的研究項目。arXiv 使用它來創建 Magic: The Gathering，一款格鬥卡牌遊戲可以說是有史以來最複雜的現實世界計算遊戲。研究團隊隨後利用萬智牌卡牌創造了一台名為圖靈機的「機器」來征服這款遊戲。

談談《萬智牌》的玩法，這款遊戲可以由 2 名或以上玩家進行，規則不同，其中最受歡迎的是使用一副 60 張以上的牌，其中不得包含超過 4 張相同的牌（地屬性卡除外）。每款遊戲都會有一場被稱為「鵬洛客」的巫師之間的戰鬥。在其中，鵬洛客必須使用魔法、神器以及特殊魔法卡上描繪的生物來擊敗對手。

• 麻省理工學院的人工智慧模型可以用最少的訓練資料自行捕捉物件之間的關係

回到圖靈機，這台機器基本上是一個具有靈活運算能力的裝置。換句話說，圖靈機是一種使經典數學類型能夠執行複雜計算的方法。就《萬智牌》而言，研究人員似乎根據亞歷克斯·邱吉爾之前完成的作品改編並建造了這個引擎。這種基於卡片的圖靈機的本質是，透過使用一些特定的設置，你可以指派它按照遊戲中的規則執行某種功能，類似於具有數字1和0的PC計算機。

基於 Magic 卡建立圖靈機實際上是一個合理的策略，同時仍確保符合遊戲規則。

「雖然準確地設置必要的棋盤狀態存在實際困難，例如棋盤上的空間不足，但對於一個足夠堅持的玩家來說，在現實世界的錦標賽中建立並執行這種構造是完全可能的，」研究人員說。

下表顯示了可能的 60 張牌，可以實現以下圖靈機結構：

• 谷歌研究人員讓人工智慧玩遊戲來改善強化學習

然而，這種特殊的設置會導致潛在的（大規模的）“站不住腳”的結果。即無法正確計算：

除了表明萬智牌中的最佳遊戲策略是不可計算的之外，這也表明評估萬智牌中過去動作的確定性後果並不簡單。最佳策略遊戲的複雜性仍然是一個懸而未決的問題，萬智牌的許多其他計算方面也是如此。

雖然很明顯並非《萬智牌》中的每款遊戲都會帶來無法估量的結果，但事實是它仍然是現實世界中唯一能夠存在於規則框架內的遊戲。

那麼這對於博弈論和人工智慧領域意味著什麼呢？研究者的結論如下：

「《萬智牌》與電腦科學家在建模遊戲時通常做出的假設完全不一致。我們斷言，創建一個純粹的可玩的AI 模型《掌握萬智牌》並不簡單。然而，另一方面，複雜性也會留下一個問題。為未來研究提供有意義的數據來源。”

• 麥克菲專家解釋了 Deepfake 和人工智慧如何突破網路安全牆

畢竟，當無法準確計算最優策略時，如何寫人工智慧模型來解決問題呢？萬智牌也許能找到答案。