跟着我们发明的人工智能（AI）才能的增加，我们必需评价它在分歧情形下的行动。 谷歌旗下位于伦敦的AI公司DeepMind做了一个年夜众关怀的研讨：当两个或多个AI具有相似或抵触的目的时，它们会内斗照样协作？
DeepMind的最新研讨显示，人工智能会依据所处情况转变行动方法，这与人类相似。
依据博弈论和社会学道理，DeepMind的盘算机迷信家研讨了人工智能在分歧社会情况下的行动。在这项研讨中，他们发明，假如人工智能发明本身将要掉败，那末将会表示出“更保守的行动方法”。而假如能够的收益更年夜，那末人工智能将学会团队协作。
在这项研讨中，人工智能介入了两种游戏：搜集生果游戏，和“群狼”佃猎游戏。这是两款根本的2D游戏，把持脚色的人工智能与DeepMind用于Atari游戏最后的人工智能相似。
Gathering gameplay
Wolfpack gameplay
Gathering gameplay
在搜集生果游戏中，DeepMind应用深度加强进修去练习体系搜集苹果。在搜集到1个苹果时，便可以取得1分，而苹果将从游戏地图上消逝。
为了击败游戏中的敌手，人工智能须要向敌手发射“光束”。在被击中两次后，玩家将在一段时光里自愿离开游戏。在这个游戏中，击败敌手的办法就是将其踢出游戏，搜集一切的苹果。
研讨人员在论文中表现：“很直不雅地，在这个游戏中击败敌手的战略很保守，例如频仍对准敌手，试图将其踢出游戏。”研讨人员特别不雅察了，当残剩苹果数目很少时，游戏中会产生甚么情形。
在游戏中人工智能走出4000万步以后，他们发明，当残剩资本（苹果）较少，采用行为的本钱（没法得分）较高时，人工智能会采用“异常保守的战略”。论文称：“在资本丰硕、行为本钱较低的情况中，人工智能会采取不太保守的战略。而贪心的念头反应了击败敌手，独吞一切苹果的激动。”
在另外一款“群狼”游戏中，游戏中的两个脚色饰演狼，追踪第三个脚色，即猎物。当两只狼接近猎物并终究捕捉猎物时，他们都可以得分。论文称：“一只狼可以处理猎物，但猎物的尸首能够被食腐植物抢走。”两只狼一同业动可以免如许的情形涌现，从而获得较高的分数。
与搜集生果游戏相似，人工智能也从如许的情况中停止了进修。在这款游戏中，人工智能脚色一同业动：要末是起首找到彼此，一同佃猎，要末是找到猎物，同时期待同伴的到来。
这注解，人工智能可以在某些义务中协作，获得最好成果。论文第一作者、DeepMind研讨迷信家乔尔·Z·勒博（Joel Z Leibo）表现：“今朝，我们将人工智能协作的根本道理视为迷信成绩，这将指点将来我们对多人工智能的研讨。”
“从历久来看，这类研讨将赞助我们更好地舆解和掌握庞杂多人工智能体系的行动，例如在处理经济、交通和情况挑衅的进程中。”他表现，“这类形式也注解，相似人类行动的某些方面是情况和进修的产品。”开辟可以或许协作的人工智能将赞助人类制订政策，带来实际世界运用。
