幾十年來，外交一直被認(rèn)為是「AI絕不可能接管的工作」。

因?yàn)樗笸婕艺莆?、理解他人的觀點(diǎn)以及背后的動機(jī)，制定復(fù)雜的計(jì)劃并及時調(diào)整，然后應(yīng)用語言與他人達(dá)成合作，最后說服他們建立伙伴關(guān)系和聯(lián)盟等。

對溝通、信任和背叛的關(guān)注，使外交與圍棋和國際象棋等更注重規(guī)則的「游戲」截然不同。

然而Meta的最新研究表明：外交官的活兒，AI也很可能能干了！

在2022年8月至10月進(jìn)行的線上外交游戲比賽中，CICERO在所有「選手」中高居前10%。它的平均得分為25.8%，是其82名對手平均得分（12.4%）的兩倍還多。

更加值得一提的是，在實(shí)際的比賽過程中，沒有一名玩家——發(fā)現(xiàn)是人工智能在打比賽！

如今，這項(xiàng)最新成果也以論文的形式發(fā)表在了Science上。

CICERO的推出，必將成為自然語言處理領(lǐng)域的一項(xiàng)重大成就。

因?yàn)檫@預(yù)示著人工智能有潛力「更好、更自然地與人類合作」，代表著人類向AGI邁進(jìn)的一大步。

吊打90%人類，無人發(fā)現(xiàn)AI參與

《外交》是一款七人制經(jīng)典策略游戲，可以說是棋盤游戲Risk、紙牌游戲撲克和電視節(jié)目Survivor的結(jié)合，由美國著名玩具公司孩之寶（Hasbro）于1950年代開發(fā)。

通過對20世紀(jì)初歐洲七大國的「角色扮演」，玩家需要與其他選手建立信任、談判和合作，并盡可能多地占領(lǐng)領(lǐng)土。

為避免因?qū)κ值姆磽舳蛔柚梗婕視较陆涣?、討論潛在的協(xié)調(diào)行動，然后將他們的行動付諸紙上，遵守或違反對其他參與者的承諾。

這樣一款充滿欺騙與權(quán)術(shù)的游戲，也被一些玩家視為失去朋友的理想方式，堪稱「友盡賽」！

正如上文所言，與國際象棋和圍棋等游戲不同，外交是一種更關(guān)乎于「人」而不是「規(guī)則」的游戲。

如果模型無法識別某人可能在虛張聲勢，或者精準(zhǔn)識別其他玩家某步棋中的進(jìn)攻性，它顯然會很快輸?shù)舯荣悺?/span>

同樣，如果它不像一個真人那樣說話，表現(xiàn)出同理心、建立關(guān)系、談?wù)撚螒?，它就不會找到其他愿意與它一起工作的玩家。

在過去的幾十年里，研究人員一直在構(gòu)建一種自然語言交流能力的「AI外交官」。然而因?yàn)檫@一重大挑戰(zhàn)已經(jīng)遠(yuǎn)遠(yuǎn)超出了現(xiàn)有AI的能力范疇，因此從來沒有一名研究員成功過。

直到近期CICERO的橫空出世，才徹底顛覆了這個事實(shí)。

CICERO本質(zhì)上是一臺「聊天機(jī)器人」，可以與其他外交玩家溝通，從而在游戲中采取有效行動。

西塞羅則是一名古羅馬著名政治家、哲學(xué)家、演說家，誕生于公元前106年1月3日，以善于雄辯而聞名于羅馬政界。

Meta將在這款A(yù)I模型取名于此，意義不言而喻。

2022年8月至10月，CICERO在webDiplomacy組織的線上《外交》比賽中，共參加了40場比賽，在所有參與者中成績高居前10%；在打了五場或更多比賽的19人中，西塞羅則排名第二。

40場比賽中，CICERO的平均得分為25.8%，是其他82名對手平均得分（12.4%）的兩倍還多，并將其戰(zhàn)略對話和游戲能力展現(xiàn)得淋漓盡致。

會思考又能表述，如此AI誰能不愛？

CICERO基于一個27億參數(shù)的類BART語言模型，該模型根據(jù)來自互聯(lián)網(wǎng)的文本進(jìn)行預(yù)訓(xùn)練，并使用 webDiplomacy.net上在線玩的4萬多場外交游戲的數(shù)據(jù)集進(jìn)行了擴(kuò)充。

這些數(shù)據(jù)中還包含玩家之間交流時產(chǎn)生的超過1200萬條消息。

CICERO的模型主要由兩部分組成，分別是「戰(zhàn)略推理」和「自然語言處理」。

兩項(xiàng)技術(shù)的整合使CICERO能夠針對玩家的動機(jī)進(jìn)行推理并制定策略，然后使用自然語言進(jìn)行交流，達(dá)成一致以實(shí)現(xiàn)共同目標(biāo)，形成聯(lián)盟并協(xié)調(diào)計(jì)劃，主要體現(xiàn)在「合作」、「談判」和「協(xié)調(diào)」三方面。

例如，CICERO可以推斷在游戲的后期，它將需要某個特定玩家的支持，然后制定策略來贏得此人的青睞——甚至識別該玩家的風(fēng)險和機(jī)會。

對話感知策略模塊能夠幫助CICERO預(yù)測其他玩家可能采取的行動，以及別的玩家認(rèn)為CICERO可能采取的行動，給定他們過去的對話和游戲板的狀態(tài)。

由此，CICERO將根據(jù)這些預(yù)測為自己和其他參與者制定互惠互利的計(jì)劃。這些規(guī)劃不僅能讓CICERO找到互利合作的機(jī)會，也能幫助它在無法合作的時候找到有效的舉措。

CICERO中有一個可控對話模型，它與控制對話生成的戰(zhàn)略推理算法相結(jié)合。

可控對話模型允許CICERO在一組精心選擇的計(jì)劃中進(jìn)行對話，通常是對CICERO和其他玩家都有利的計(jì)劃。

CICERO的對話深深植根于正在進(jìn)行的游戲中的自由形式對話中生成的。

例如，CICERO可能會與另一位玩家協(xié)商戰(zhàn)術(shù)計(jì)劃，向盟友保證其意圖，討論游戲中更廣泛的戰(zhàn)略動態(tài)，甚至只是進(jìn)行隨意的閑聊——包括幾乎任何人類玩家可能會討論的內(nèi)容。

「西塞羅在使用自然語言與外交人員談判方面非常有效，以至于他們往往更喜歡與西塞羅合作，而不是其他人類參與者?！筂eta在自家的Twitter中表示。

Meta AI副總裁兼首席人工智能科學(xué)家嚴(yán)樂存則認(rèn)為，「能夠在像外交這樣戰(zhàn)略極其復(fù)雜的游戲中上演人類級別的表現(xiàn)，預(yù)示了人類與人工智能合作的巨大潛力」。

雖然CICERO只能玩外交，但這項(xiàng)成就背后的技術(shù)卻與許多現(xiàn)實(shí)世界的應(yīng)用息息相關(guān)，例如通過規(guī)劃和RL控制自然語言的生成，可以緩解人類與人工智能模型之間的溝通障礙。

例如，今天的人工智能助手只能進(jìn)行簡單的問答，比如告訴你今天的天氣等，但如果他們通過長期對話教你一項(xiàng)新技能呢？

亦或者想象一個視頻游戲，其中的非玩家角色 (NPC) 可以像人們一樣自由計(jì)劃和交談——了解你的動機(jī)并相應(yīng)調(diào)整對話，從而幫助你完成攻城掠地的任務(wù)。

當(dāng)然，就連Meta自己也承認(rèn)「CICERO還不夠完美」——在游戲的某些重要時刻，CICERO經(jīng)常會出現(xiàn)十分離譜的錯誤。

因此，Meta選擇將CICERO的代碼開源發(fā)布，希望借助AI開發(fā)者社區(qū)的力量進(jìn)一步完善它。

網(wǎng)友：請把小扎送上法庭！

全球首款與人類同等水平的「AI外交官」的發(fā)布，也引發(fā)了網(wǎng)友們的熱議。

不少網(wǎng)友紛紛表示：

「實(shí)在太期待這項(xiàng)研究接下來的發(fā)展了。」

「擊敗人類可以說是最人性化的游戲。這簡直太迷人了…」

雖然CICERO初出茅廬，卻也有人對這項(xiàng)「AI黑科技」在現(xiàn)實(shí)生活中的應(yīng)用前景進(jìn)行了展望：

「它能構(gòu)建一個版本來幫助應(yīng)對集體行動挑戰(zhàn)嗎，比如#COP28？」

該網(wǎng)友所言的「COP28」，應(yīng)該是指第28屆聯(lián)合國氣候大會。

在剛剛結(jié)束的27屆氣候大會上，經(jīng)過持續(xù)數(shù)天的緊張談判，各國代表最終同意設(shè)立一個基金機(jī)制，以補(bǔ)償因氣候變化引發(fā)的損失和損害。

此外，CICERO的推出也引發(fā)了不少網(wǎng)友的擔(dān)心，「這將直接激勵研究人員建立擅長欺騙的模型」。

「以模仿人類行為的方式欺騙并贏得外交游戲，可愛又有趣?！?/span>

「真不知道它還能用來做什么？我們需要警覺此類工具的發(fā)展。」

「人工智能很擅長創(chuàng)作藝術(shù)等。但現(xiàn)在，它的說服能力被『激活』了?！?/span>

「如果你能說服一個人，就能控制他們的選擇，從而控制他們的生活?！?/span>

「因此最終結(jié)局會是——AI通過說服來奴役人類！」

最后，也有不少人逗比的網(wǎng)友調(diào)侃道：

「這東西靠譜嗎？西塞羅最終可是被砍了頭的！」

「請將小扎送到海牙（國際法庭）！」

就在前兩天，因?yàn)閷⒅e言陳述為事實(shí)，由Meta AI推出的大型語言模型Galactica上線僅3天便倉皇下架。如今CICERO的推出，可謂是再一次在AI科技圈掀起了層層波瀾。