谷歌的 “邪恶” 实验：当 AI 面临囚徒困境，是互相攻诘还是相互合作？

近些年来，人工智能正在一步步走入我们的生活，因此我们必须了解这些聪明的 “大脑” 在面对两难境地时会如何选择。为此，谷歌的 DeepMind 团队专门进行了针对性的实验，而实验中的两款游戏都是在博弈论的囚徒困境理论的基础上开发的。

所谓的囚徒困境是两个被捕的囚徒之间的一种特殊博弈，两个共谋犯罪的人被关入监狱，不能互相沟通情况。如果两个人都不揭发对方，则由于证据不确定，每个人都坐牢一年；若一人揭发，而另一人沉默，则揭发者因为立功而立即获释，沉默者因不合作而入狱五年；若互相揭发，则因证据确实，二者都判刑两年。由于囚徒无法信任对方，因此倾向于互相揭发，而不是同守沉默。这一经典理论说明了为什么在合作对双方都有利时，保持合作也是困难的。

游戏 1：红蓝色两个 AI 收集绿色苹果

“在现实生活中，无论是合作还是相互攻讦都需要复杂的行为特性，因此 AI 需要掌握执行一系列动作的先后顺序。”DeepMind 团队在博客中写道。“我们将这一全新设定看作连续的社会困境，并利用深层强化学习训练过的 AI 对其进行研究。”

在实验中，研究人员发现 AI 会逐渐展示自己理性的一面，在必要时它们会选择合作。

在第一个名为 “Gathering” 的游戏中，参与实验的 AI 们会在同一区域执行收集苹果的任务，它们可以尾随在对手身后用炮弹攻击它们，被击中的玩家会短暂出局。不过，这里有个前提条件，即收集苹果可以得分，但攻击它人则不会。

AI 被扔在这个游戏中数千次，直到它们通过深度强化学习学会理性。研究结果表明，这些家伙有时也会被利益冲昏头脑。

举例来说，当某区域有很多苹果时，AI 们会齐心协力收集苹果来得高分。一旦苹果数量下降，它们就会做出抉择，开始互相攻击以保护自己的胜利果实。

游戏 2：需要两个 AI 紧密配合

第二款游戏名为 Wolfpack，该游戏更需要 AI 们的亲密合作。AI 们需要在混乱的瓦砾堆中寻找猎物。如果你能抓到自己的猎物就能得分，此外猎物被抓到时如果你离猎物很近，也能得分。

在这款游戏中，研究人员发现，随着应对复杂战略能力的提升，AI 们更倾向于相互合作。

通过以上实验也让我们得出一个结论，那就是 AI 会根据自己所处的环境进行抉择，虽然有时它们会为了自己的利益相互攻讦，但大多数时候它们还是倾向于相互合作。

DeepMind 的研究团队表示：“这样的模型让我们能在模拟系统中测试策略和干预措施。” 如果一切顺利，未来人类对复杂的多因素系统如经济、交通系统或生态健康都能有一个深刻的把握，因为它们都需要持续的合作。

Via. Dailymai