過去十年中，人工智能取得了長足的進步，在圖像和語音識别上已經在某種程度上超越了人類。而通過回報獎勵，單個的ai智能體也能在雅達利這樣的視訊遊戲和圍棋中戰勝人類。
但人類真正的智能還包括了社會和集體智能，這也是實作通用智能必不可少的。就像雖然單個螞蟻的智能有限，但通過協作它們能狩獵，能築巢，能發動戰争。毫無疑問，人工智能的下一個挑戰就是讓大規模的ai智能體學習人類水準的協作與競争。
掩護攻擊
這項研究主要關注星際中的微管理任務，每個玩家控制自己的機關，在不同的地形條件下殲滅對手。星際這樣的遊戲對計算機來說可能是最困難的，因為它們的複雜程度比圍棋要高得多。這種大型多智能體系統學習面臨的主要挑戰是，參數空間會随着參與人數的增加而呈指數級增長。
研究人員讓多智能體把星際中的戰鬥當作零和随機遊戲來學習。為了形成可擴充且有效的通訊協定，研究者引入了一個多智能體雙向協調網絡bicnet，智能體可以通過它來交流。另外，研究中還引入了動态分組和參數共享的概念，來解決擴充性問題。
邊打邊跑政策
bicnet可以處理不同地形下的不同類型的戰鬥，且對戰時雙方都有不同數量的ai智能體。
分析顯示，在沒有任何諸如人類示範或标簽資料的監督時，bicnet也能學習各類協調政策，而這些政策與經驗豐富的玩家所展現出來的很相似，比如在不引發沖突的情況下移動，邊打邊跑等基本政策，以及 掩護攻擊與适度集中火力等進階技巧。
另外，bicnet還可以輕易适應異構智能體任務。在實驗中，研究者根據不同的場景對網絡進行了評估，發現它表現優異，在大規模現實應用中有潛在價值。
研究中還發現，指定的獎勵與學習政策之間存在很強的相關性。研究人員計劃進一步研究這種關系，研究 政策如何在智能體網絡中傳遞，以及是否會出現特定的語言。另外，雙方都通過深度多智能體模型來操作時，納什均衡的的探讨也很有意義。
<a>本文來源于"中國人工智能學會",原文發表時間" 2017-04-05 "</a>