AI 都學(xué)會(huì)和人類談判了？還能成功說(shuō)服人類聽它安排？

話術(shù)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(xiàn)已登上 Science。

嗯，就是和古羅馬著名政治家、演說(shuō)家西塞羅同名。

研究人員讓這個(gè) AI 西塞羅隱藏身份加入到一個(gè)外交游戲里，82 名人類玩家在 40 場(chǎng)游戲中，都沒有懷疑過(guò)它其實(shí)是個(gè) AI。

而且還戰(zhàn)績(jī)斐然，全程平均分達(dá)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(jīng)發(fā)布，就在網(wǎng)上引發(fā)熱議。

有人評(píng)價(jià)：這意味著 AI 在最具人類特點(diǎn)的游戲里戰(zhàn)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。

真有 AI 縱橫家那感覺了

AI 嘮嗑其實(shí)一直都引人詬病，更別提外交這種需要超高話術(shù)的場(chǎng)景了。

它需要理解對(duì)方的語(yǔ)言、動(dòng)機(jī)，制定自己的話術(shù)策略，并調(diào)整好措辭。

有時(shí)甚至還需要“耍心眼”，故意說(shuō)一些假話給對(duì)方設(shè)套。

這種超高難度任務(wù)，怎么挑戰(zhàn)？

俗話說(shuō)一口吃不成胖子。

Meta AI 就想到了先從游戲場(chǎng)景來(lái)切入（畢竟 AI 在玩游戲上是老手了）。

不過(guò)和之前棋類或競(jìng)技游戲不同，外交游戲并沒有那么強(qiáng)的規(guī)則性，運(yùn)籌帷幄、隨機(jī)應(yīng)變的環(huán)節(jié)不少。

實(shí)驗(yàn)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(gè)大國(guó)，通過(guò)相互合作、協(xié)商，盡可能地占領(lǐng)更多領(lǐng)土。

西塞羅的核心是由一個(gè)對(duì)話引擎和一個(gè)戰(zhàn)略推理引擎共同驅(qū)動(dòng)的。

簡(jiǎn)單理解，這里的對(duì)話引擎和 GPT-3、LaMDA 類似，戰(zhàn)略推理引擎和 AlphaGo 相近。

用到的對(duì)話模型，是從一個(gè)類似于 2.7 億參數(shù)的 BART 模型訓(xùn)練而來(lái)。

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

具體來(lái)看，研究人員先從互聯(lián)網(wǎng)上獲取文本訓(xùn)練對(duì)話模型，然后再在實(shí)際的外交游戲場(chǎng)景中微調(diào)。

戰(zhàn)略推理引擎用到的是一個(gè)規(guī)劃算法（planning algorithm）。

該算法能夠基于現(xiàn)況計(jì)算出一個(gè)最優(yōu)選擇。再通過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)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(qiáng)化學(xué)習(xí)這種迭代式的訓(xùn)練，可以不斷改進(jìn) AI 做出的策略預(yù)測(cè)。比傳統(tǒng)方法中常用的監(jiān)督學(xué)習(xí)（即打標(biāo)簽的方式）效果更好。

實(shí)操中，西塞羅首先會(huì)根據(jù)目前為止的游戲狀態(tài)和對(duì)話，對(duì)每個(gè)人的會(huì)采取的動(dòng)作做一個(gè)初步預(yù)判。

接下來(lái)，在不斷地協(xié)商過(guò)程中，它都會(huì)不斷地改進(jìn)預(yù)測(cè)，然后使用這些預(yù)測(cè)為自己和合作伙伴設(shè)置一個(gè)共同的目標(biāo)。

其次，它會(huì)根據(jù)局勢(shì)狀態(tài)、對(duì)話及其目標(biāo)，從對(duì)話模型中生成幾個(gè)候選消息，使用分類器等過(guò)濾機(jī)制過(guò)濾掉無(wú)意義的，生成最終的高質(zhì)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(dāng)玩家“意大利”向它詢問意見，自己是否應(yīng)該攻擊土耳其時(shí)，西塞羅會(huì)根據(jù)場(chǎng)上局勢(shì) —— 土耳其正在攻擊俄羅斯，判斷出這是一個(gè)兩面夾擊的好機(jī)會(huì)，然后勸意大利跟進(jìn)攻打土耳其。

這一步既建立了與意大利的伙伴關(guān)系，又消滅了一個(gè)潛在的對(duì)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(guó)”，與玩家“法國(guó)”一直在交戰(zhàn)。這時(shí)法國(guó)南部同時(shí)受到了意大利的攻擊，于是向西塞羅請(qǐng)求和談。

西塞羅則趁機(jī)獅子大開口，要求法國(guó)歸還侵略的領(lǐng)土，并保證不攻擊荷蘭。雙方在討價(jià)還價(jià)中順利達(dá)成了協(xié)議。

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

在每場(chǎng)比賽中，西塞羅都會(huì)發(fā)送和接收平均 130 條消息。

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

網(wǎng)友：雖然它表現(xiàn)好但我很害怕

看完西塞羅在外交上的精彩表現(xiàn)，有網(wǎng)友感慨 AI 的發(fā)展速度：

Deep Blue 擊敗了卡斯帕羅夫，Watson 擊敗了智力競(jìng)賽的兩位人類冠軍，現(xiàn)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(shí)語(yǔ)言大模型的第一步嗎？

LeCun 給出了肯定回復(fù)：

至少語(yǔ)言是基于事實(shí)的。

不過(guò)由于這款外交游戲以爾虞我詐著稱，不少人也對(duì)此表示擔(dān)憂：

這是直接鼓勵(lì)研究人員開發(fā)更多擅長(zhǎng)騙人的模型。

有網(wǎng)友就表示，玩這游戲甚至?xí)ヅ笥雅丁?/span>

而從 AI 西塞羅的戰(zhàn)績(jī)來(lái)看，它可以迷惑人類玩家，并且說(shuō)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(guò) 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(xié)作的環(huán)節(jié)，西塞羅的表現(xiàn)同樣很好。

目前，它還只被放在游戲場(chǎng)景中測(cè)試過(guò)，并沒有嘗試過(guò)在開放語(yǔ)境下和人類談判。

參考鏈接：

• [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