人工智慧系統自己學會了如何解魔術方塊

魔術方塊是有已知的演算法可以計算出最佳步數,也有人做出了僅需 0.38 秒就能自動將打亂的魔術方塊複原的機器人,但這次不一樣 —— 加州大學爾灣分校的研究學者們開發了一套完全自主學習的「DeepCubeA」人工智慧系統,在僅僅提示最終狀態的前提下,由 AI 自行研究出了解法。 像許多這類的系統一樣,科學家們自己也不知道 DeepCubeA 是如何搞懂怎麼做的,只是利用了「強化學習」的機制,放任機器自己研究該如何轉動。最終的成果是 DeepCubeA 只要 1.2 秒的時間就能完成計算,而且算出的結果大多數只要 20 步左右就能將方塊復原,大約 60% 的時候甚至就是最佳方案。這是該研究團隊第二次嘗試這樣的系統,第一代的方式大約要花 30 步,且需要約 10 分鐘的時間計算。 由於 DeepCubeA 不是專門針對魔術方塊而設計的演算法,其成功將有機會衍伸到類似的圖樣式謎題上。對於朝著開發可以自行理解問題,並計算出解決方案的 AI 系統來說,也是重要的一步吧。

Steam 正實驗由 AI 向玩家推介遊戲

做為內容平台,能留住用戶的方式就是源源不斷地推出合適口味的內容,讓他們樂不思蜀。Valve 就想到了用 AI 來推介 Steam 遊戲給用戶,他們現在透過 Steam Labs 的方式進行三個不同的實驗。雖說仍在測試階段,不過各位 Steam 玩家也已經可以試用,看看這些 AI 推介能否成功分析到你的口味並推介適合的新遊戲。 其中一個名為 Interactive Recommender 的功能是利用經過「數十億」個遊戲時段訓練的神經網路,並基於玩家的遊玩歷史和「其他顯著的數據」來作出推介。所以並不是代表玩了 Doom 之後就會推介一大堆 FPS 遊戲——Steam 是分析玩家的規律,而非類別。當然玩家可以自行修改遊戲推介的類別、主流或非主流、新推出或是經典遊戲等規則。 Steam Labs 之中還有兩個試驗功能,Micro Trailers 是播放 6 秒的遊戲片段,讓玩家能對這款遊戲有個大概想法;The Automated Show 則是半小時的節目,介紹最新推出的遊戲,同樣都是以 AI 和自動化工具來生成的內容,能針對每個玩家不同的口味來進行介紹。