过去AI领域的研究人员常用能够体现真实世界问题的游戏，来研究AI系统，如蒙特祖马的复仇（Montezuma's Revenge）、陷阱（Pitfall），以及围棋等，让AI学会问题解决的能力，而近日Google Brain和其子公司DeepMind的研究人员，联手用更复杂的卡牌游戏Hanabi来进行AI研究，为AI研究翻开新的一页，该卡牌游戏需要2～5个玩家共同合作，此外，还需要推断对手的意图，这对AI系统而言，是另一个全新且困难的挑战，目前研究结果显示还有很大的进步空间，研究团队近日将研究成果发表成论文，为了促进未来相关的研究，也开源发布Hanabi学习环境和实验框架。

研究团队认为，人类的社会是由许多不同的人所组成，复杂的互动模式在人类生活中，扮演关键的角色，因此，必须要让AI程序学会有效地与其他程序合作的能力，尤其是与人类合作，有别于2个玩家互相对抗的博弈游戏，Hanabi游戏并非建立在平等、独立的游戏策略，Hanabi游戏的玩家策略是建立在队友的整体策略上。

在Hanabi卡牌游戏中，总共含有55张Hanabi牌，包含红、黄、蓝、绿、白色和彩色的花色和1～5的数字，游戏一开始，每位玩家会有5张牌，玩家持牌时必须将牌面背向自己，因此每位玩家都可以看到其他玩家的牌，但是不能看到自己的牌，每一回合玩家必须从以下3个动作选择其一来行动，分别是提供信息、弃牌和打牌，也就是玩家可以选择提供花色或是数字牌的位置信息，或是丢弃一张持牌，或是打出牌面上没有出现过花色的牌、出现过花色下一个数字的牌，游戏是轮流回合制，直到所有牌用完就是最后一回合，该游戏在2013年获得德国游戏大奖。

游戏最终的目标是要获得最高分，为了成功拿到高分，玩家之间必须互相合作来揭露信息，但是，在游戏规则下，互相提供信息的次数是有限制的，因此，无法完全解开每个玩家对自己手牌的不确定性，不能单靠互相提供信息来获取高分，为了克服这个限制，每回合每个玩家选择采取的行动就暗示了额外信息，也因此，每位玩家不仅要合作，还得推断对方的意图。

Hanabi存在不对等的信息特性，造成处理AI算法复杂度的维度具有挑战性，每个玩家对特定信号的反应以来其他一样信号的情况，由于这样的相互关系，强化学习中单一动作的探索技术，因为忽略了整体的影响，而会错误估计程序的有效性。

研究团队用Python和C++打造Hanabi学习环境接口，该学习环境包含两项挑战，一个是在没有其他AI玩家的帮忙下，自己在玩游戏的过程学习，找出最佳的联合策略，来得到最高分，另一个则是透过特定组成的团队，来测试并训练AI玩家与其他AI玩家，或是人类玩家一起玩游戏的能力。

研究实验中，研究团队利用强化学习算法搭配深度神经网络，来检验AI模型，并用几个手动编写规则的Hanabi游戏机器人来对照，AI玩家在自我完成游戏的设定下，目前开发的算法表现，还远远不及手动编写规则的机器人，而与其他AI玩家一起合作的设定下，AI玩家之间也完全无法合作，研究团队指出，Hanabi游戏的玩家之间不仅要沟通，还需要具备推理的能力，才能合作，这项研究显示上述两项挑战的设定，还有很大的进步空间，期望未来用更进阶的技术，理解如何开发拥有类似人类心智的AI程序。

对人工智能挑战卡牌游戏，你有什么看法？一起聊聊吧！