XK星空 开创新一代游戏。聚焦人工智能中的“多样性”概念
探索多个玩游戏的 AI 合作的效果
在人工智能发展的全球浪潮中，将棋作为一款深受这些进步影响的游戏脱颖而出。在日本，从2010年左右开始，计算机将棋程序与职业将棋选手之间的比赛就开始活跃，人工智能屡次战胜职业将棋选手引起了公众的关注。
博士。竹内的专长是游戏信息学。他从小学时代就开始接触将棋，高中时在将棋俱乐部磨练了自己的技能。由于对计算机将棋的兴趣，他在大学四年级时开始研究提高计算机将棋的性能，并作为由东京大学研究生院艺术与科学研究生院的教师和学生组成的游戏编程研讨会（GPS）的成员，在名为“GPS 将棋”的软件的开发中发挥了作用。
事情就是这样发生的。 GPS 将棋是 2009 年和 2012 年世界电脑将棋锦标赛的冠军。此外，在2013年举行的第二届将棋田王战第五场比赛中，GPS将棋战胜了A级八段职业棋手，成为第一个击败A级职业棋手的AI。这表明人工智能等于或优于人类职业选手，竹内博士凭借他帮助开发的软件出色地实现了击败职业将棋选手的目标。
当人工智能达到专业将棋水平时，对竹内博士来说是一个转折点。他改变了研究重点，不再仅仅依靠强大的人工智能来争夺胜利。相反，他深入研究了多个玩游戏的人工智能的合作，旨在开发比单个人工智能更高效处理的系统。
例如，在将棋中使用多个玩游戏的人工智能的一种技术是从多个程序中收集走法，并采用多数规则投票来确定首选走法。众所周知，如果将随机性引入到相同类型的程序中，则该技术比单个程序更强，并且通过组合不同类型的程序可以获得更好的结果。然而，存在一个问题，如果弱方案占多数，则其行动将由多数票决定。
博士。 Takeuchi提出了一种规避这个问题的方法，即根据实力和其他因素改变投票权重，而不是为所有玩家分配平等的投票。研究表明，这种“加权”技术优于普通多数投票。这是一个发现了一种通过熟练使用多个玩游戏的人工智能来提高人工智能性能的技术的例子。
利用建议的有效性，推进人机协作系统
博士。竹内：“这是一个可以使用多种强大的游戏人工智能的时代，所以我想要做出新的发现——找出人类可以做而人工智能不能做的事情，以及人工智能使优于人类的事情成为可能。”人类能做而人工智能不能做的一件事就是提供建议。据说人们可以通过建议来提高将棋技巧，但建议对人工智能也有用吗？为了阐明这个问题，竹内博士设计了一种投票技术，让玩游戏的人工智能向其他玩游戏的人工智能提供建议，并在多数规则系统和单个玩游戏的人工智能之间进行实验性匹配。
结果显示，新技术的胜利明显多于损失，凸显了建议的有效性。竹内博士还调查了不同的建议何时有效，以及根据顾问的实力而产生的结果如何。研究发现，有意义的建议不仅可以从强玩家那里获得，也可以从相当弱的玩家那里获得。简而言之，一种通过接受建议来强化玩游戏的人工智能的新技术已经建立。
另一方面，人类（不仅仅是人工智能）也可以建议候选动作。同样，人工智能可以在游戏过程中随时为人类提供中肯的建议。通过这种方式，竹内博士不仅希望探索人工智能之间的建议主题，还希望探索人类和人工智能协作的系统中的建议主题。
多样性是通过多个玩游戏的 AI 提高性能的关键词
之前对多数规则投票和建议的研究表明，当使用多个玩游戏的 AI 时，通过使用不同强度的 AI 而不是类似的玩游戏的 AI 团队，可以更有效地提高性能。竹内博士重点关注“多样性”，将其视为组合多个玩游戏的人工智能时提高性能的关键，他正在阐明多数规则投票中获胜率与多样性之间的关系，据说多样性特别有效。游戏人工智能的多样性是一个新主题，即使在全球范围内，研究也仅仅触及表面。
游戏长期以来一直被用作人工智能的测试环境，人工智能通过基于游戏的研究取得了巨大的飞跃。 Takeuchi 博士认为，“通过游戏实现的目标并不仅限于游戏——它在人工智能领域有着更广泛的应用。”
他继续说道：“建议和多样性的概念并不局限于游戏，我对它们在各个领域的适用性感到自豪。展望未来，我将继续思考如何更有效地使用多种游戏人工智能，并努力将我们的研究成果系统化。这样，我希望成为多种游戏人工智能使用研究的领导者。”
发布日期：2023 年 12 月/采访日期：6 月, 2022