很難想象，達到人類等級的人工智能會如何造福人類，同樣也難以想象不恰當?shù)厥褂盟?，會釀成什么樣的惡果?/p>

AI有做壞事的本領，在空戰(zhàn)模擬器上，阿爾法人工智能程序在與美國空軍退休上校吉恩 李的較量中，獲得完勝。此類例子已經(jīng)不勝枚舉。

所以，如何使用機器人是個大問題。即便你為機器人設定了一個目的純良的任務，但機器人在實現(xiàn)目標的過程中，如何選擇實現(xiàn)路徑仍然是個問題，它會不會為達目的而不擇手段呢?

因此，為考驗AI在兩難境地下如何做出策略選擇，谷歌的 DeepMind  團隊進行了針對性實驗，實驗中的兩款游戲都是以博弈論的囚徒困境理論為基礎開發(fā)的。

囚徒困境是指兩個共謀犯罪的人被關入監(jiān)獄，不能互相溝通。如果兩個人都不揭發(fā)對方，則由于證據(jù)不確定，每個人坐牢一年;若一人揭發(fā)，而另一人沉默，揭發(fā)者立即獲釋，沉默者入獄五年;若互相揭發(fā)，則因證據(jù)確實，二人都判刑兩年。由于囚徒無法信任對方，因此傾向于互相揭發(fā)，而不是同守沉默。這一經(jīng)典理論說明了即便合作對雙方都有利，但合作仍然是困難的。

DeepMind為此設計的第一款游戲名為“采集”。他們將一個以“收集水果”為目的的電腦游戲運行了4000萬次，并要求兩個AI互相競爭，看誰能收集更多的虛擬蘋果。

他們發(fā)現(xiàn)，在有足夠的蘋果時AI還相安無事，但隨著蘋果減少，兩個AI就有攻擊性了。為了將對手踢出游戲，獨吞所有蘋果，它們開始使用激光束來攻擊對手。

有趣的是，AI用激光束攻擊對手獲得成功的行為并不能直接獲得獎勵。它只是讓對手在游戲中消失一會兒，以便自己可以收集更多的蘋果。

如果兩方AI都不使用激光束，理論上他們可以平分所有的蘋果。這是“沒那么聰明”的舊版本AI所作的選擇。

隨著谷歌團隊測試形式的愈加復雜，DeepMind也變得更貪婪、更具侵略性和攻擊性。

“在蘋果相對豐富的環(huán)境中，彼此攻擊的代價更大，因此AI會采用更溫和的策略。在蘋果較少時，AI擊敗對手獨吞蘋果的貪婪欲望就出現(xiàn)了?！?/p>

第二個游戲叫作“狼群”。這一次，有三個人工智能參與——它們中的兩個扮演狼，另一個扮演獵物。

和前一個游戲不同的是，這個游戲鼓勵合作。如果獵物被捕獲時，兩只狼在都在獵物旁邊，他們都會得到獎勵——不論哪一只抓獲了獵物。

“這是捕獵有風險性的觀點——一只獨狼可以戰(zhàn)勝獵物，但可能會因食腐動物的搶奪而丟掉這份戰(zhàn)利品”，該團隊在他們博客的文章中解釋道。

“然而，當兩只狼一同捕獵時，它們可以更好地對抗食腐動物，保護手中保護獵物，因此得到更高的回報?！?/p>

因此，在第一個游戲中，AI認識到侵略和自私可以獲得最有利自己的結(jié)果;從“狼群”游戲中，它們也學習到，有時合作會對自己更有利。

通過以上實驗，也讓我們得出一個結(jié)論：AI 會根據(jù)自己所處的環(huán)境進行抉擇。

“在現(xiàn)實生活中，無論是合作還是相互攻訐，都是復雜的行為。因此 AI 需要掌握執(zhí)行一系列動作的先后順序?！盌eepMind  團隊在博客中寫道?！拔覀儗⑦@一全新設定看作連續(xù)的社會困境，并利用深層強化學習訓練的AI對其進行研究?！?/p>

我們應考慮到，雖然這些只是簡單的、信息明確的電腦游戲，但在現(xiàn)實情況下，這些職責不同、利益沖突、相互競爭的人工智能系統(tǒng)，如果不能將各自的目標統(tǒng)合于人類利益高于一切的最高目標之下，后果將是災難性的。

設想一下，交通信號燈的目的是讓汽車減下速來，無人駕駛汽車的目標是找到速度最快的路線。但在二者合力下，想要保證安全和有效的交通，它們需要考慮彼此的目的才行。

DeepMind  的研究團隊表示：“這樣的模型能夠讓我們在模擬系統(tǒng)中測試策略和干預措施?！比绻磺许樌?，未來人類對復雜的、多因素系統(tǒng)，如經(jīng)濟、交通或生態(tài)都能有深刻的把握。