如今，人工智能（AI）已經學會了不少遊戲，甚至在一些遊戲裡打敗了人類。遊戲對於AI來說，是非常重要的。它為AI的開發和測試提供了一個相對受限但是安全的環境，因而也成為了測試AI程序的首選平臺。
本文為大家介紹幾款用於測試AI的幾大頂級遊戲，按出現時間從早到晚排列：
西洋雙陸棋
1992年，IBM公司的傑拉爾德·特索羅（Gerald Tesauro）開發了一款名為TD-Gammon的遊戲，這是一個計算機版本的西洋雙陸棋。
這個計算機編程遊戲採用了遊戲專家都不曾瞭解的策略，並使用了名為“時序差分”（Temporal Difference , TD）的學習機制。控制它的算法包括了在神經網絡中對每一步採取權重，可減小前一步的落子與下一步落子位置之間的差異。
國際象棋
1996年，IBM的深藍電腦接連在國際象棋比賽中取勝。同年，它與世界象棋冠軍卡斯帕羅夫進行了比賽，最終卡斯帕羅夫四勝兩平局佔優。1997年，深藍再次向其發出挑戰，卡斯帕羅夫最終落敗。AI邁出了執行智能任務的第一步。
《危險邊緣》
2011年，IBM再次推出了一款具備NLP（自然語言處理）功能的智能電腦，取名為Watson。
在《危險邊緣》中，電腦對陣肯·詹寧斯和布拉德·魯特。電腦需要強大的NLP才能理解遊戲中不太直接的問題。最後電腦贏得了77,147美元，而詹寧斯和魯特分別贏得了24,000美元21,600美元。
在《危險邊緣》接受測試之後，Watson便在醫療保健，天氣預報，網絡安全等許多領域得到了廣泛應用。
圍棋
圍棋是中國最古老也是最複雜的棋盤遊戲。2016年，DeepMind公司的人工智能 AlphaGo和人類之間進行了一場圍棋較量。五場比賽中，AlphaGo成功擊敗了世界冠軍李世石。
在AlphaGo擊敗人類之前，由於涉及複雜的決策，圍棋被認為是AI程序員面臨的首要挑戰之一。人工智能通過強化學習技術，多次自弈學習圍棋。
DeepMind的創始人兼首席執行官丹米斯·哈撒比斯（Demis Hassabis）曾表示，在可用數據更少的情況下，AI也可以自行完成更多的學習，因此除了圍棋，它也適合學習其他各種任務。它還可以幫助優化電網或簡化航運路線，或改進科研工作。
撲克牌
2017年，來自卡內基梅隆大學的幾名學生開發了一款名為Libratus的人工智能，可以與四名玩家在德州撲克中進行對戰，並在為期20天的比賽中擊敗他們。
Libratus還擊敗了頂級撲克玩家如詹森·萊斯（Jason Les）、董·金（Dong Kim）、丹尼爾·麥克奧雷（Daniel McAulay）和吉米·周（Jimmy Chou）。
很明顯，我們無法戰勝這種近乎於納什均衡（編者注：納什均衡是指博弈中這樣的局面，對於每個參與者來說，只要其他人不改變策略，他就無法改善自己的狀況）的策略。在接下來的10天裡，能夠參加比賽並且全力以赴，我們就心滿意足了。詹森·萊斯在接受PokerListings採訪時說道。他說，在比賽進行到一半時，他們就很清楚他們不會贏得比賽。大約一年後，一份研究論文揭示了Libratus是如何編程從而擊敗人類的。就像Alpha Go一樣，它也學會了使用強化學習來學習如何玩遊戲。
比賽之後，Libratus被用於政治談判和拍賣。
編譯組：安心、韋振琛
相關鏈接：
https://www.analyticsindiamag.com/5-games-that-have-helped-ai-become-more-intelligent/
閱讀更多 讀芯術 的文章
