20年前，超级计算机“深蓝”在国际象棋比赛中赢了当时的世界冠军 Garry Kasparov。最近，AI 研究者已经开发出在对计算要求更高的游戏（如围棋和扑克）中击败人类的程序。但是，这些都是赢者通吃，或者说“零和”（zero-sum）的游戏，也就是说，其中一个玩家赢了的话，其余玩家全输。研究人员在合作游戏方面的研究较少，这些研究的目的是让游戏玩家共同合作，以优化每个参与者的结果，即使从逻辑上来说每个玩家都可以通过“背叛”其他玩家以使自己的结果更好。

这类型的游戏包括“胆小鬼博弈”（The game of chicken），其中两名车手相对驱车而行，最先转弯的一方被耻笑为“胆小鬼”（chicken），让另一方胜出。还有博弈论中经典的“囚徒困境”，其中两个人因同一件罪行被指控有罪。假如两人彼此合作，都否认犯罪，双方都可缩短刑期（比如说1年）。但假如一个囚犯背叛了同伙，他可为自己带来利益（无罪开释），但同伙会被判更长的刑期（比如说3年）。假如双方都出卖对方，两人分别被判2年。“囚徒困境”只有一轮的话，从逻辑来说两名玩家都会出卖对方。但在重复的囚徒困境中，博弈反复进行，人们会学习合作，以获得最轻的刑期（1年）。

Jacob Crandall 是杨百翰大学计算机科学家，他和同事们想看看机器是否能够学习玩这类“非零和博弈”的游戏。研究人员让人类玩家和计算机一起玩电子版的“胆小鬼博弈”和“囚徒困境”，以及另外一个名为“Alternator”（霹雳赛车）的合作策略游戏，团队由两名人类玩家，两台计算机组成，或者一名人类玩家对一台计算机。研究人员测试了25种不同的机器学习算法，AI 程序可以通过在他们的行动和结果之间自动搜索相关性来提高表现。

让研究人员失望的是，这些算法都没有能够学会合作。但随后，他们转向从进化生物学获得的启发。他们认为，为什么不引入人类之所以能够合作的关键要素——沟通的能力呢？所以它们加入了19个预先写好的句子，比如“我正在改变我的策略”，“我接受你的最后一个建议”，或者“你出卖了我”，这些句子可以在每个回合之后在玩家之间来回传递。随着时间的推移，计算机必须使用它们的学习算法在游戏的语境中学习这些短语的含义。

这一次，被称为S＃（发音是 S sharp）的算法在25种算法中凸显出来。当给出一个以前未知的游戏的描述时，该算法能学会在几轮之内与伙伴合作。而在游戏结束时，只有机器的队伍几乎100%的时间都是合作的，而人类队伍平均只有60%的时间合作。Crandall 说：“机器学习算法学会了忠诚。”

这种可靠性对于那些为自动驾驶汽车，无人机，甚至战场上的武器作决策的算法来说可能是福音。KTH 皇家理工学院机器人学家 Danica Kragic 说：“[迄今为止]像这样的合作都没有成为研究者的目标。”相反，她补充说，大多数研究工作都侧重于创造可以超越人类能力的自主技术，从人脸识别到玩扑克的程序都是这样。“机器需要学会做的不仅仅是竞争，”Crandall 补充说，“机器人技术的研究在强调合作方面做得更好，这可以作为 AI 继续进展的一种模式。”

美军研发“小鬼计划” 空中收发无人机

【编译 凯森】