在博弈论中，通才有时胜过专才

# 博弈论中，通才有时胜过专才 来源：https://news.mit.edu/2026/game-theory-generalists-sometimes-win-out-over-specialists-0617 无论你是与单一对手打扑克，还是与另一位潜在买家竞购房屋，你都是在信息不完善的条件下运作。你知道自己在扑克牌局中握着什么牌，也知道自己能在房屋报价基础上加价多少，但你不知道对手在牌局中的手牌，也不清楚另一位购房者愿意出多高的价。 一篇由麻省理工学院（MIT）研究人员共同撰写、于四月在里约热内卢举行的国际学习表征会议（International Conference on Learning Representations）上发表的论文（https://openreview.net/pdf?id=vClBDezZUo），不会具体告诉你在这些情况下该怎么做。但它确实为所谓的“非完美信息博弈”提供了新见解——这类博弈涉及两名参赛者在“零和”竞争中对抗，其中一方的收益意味着另一方的损失。 参与该项目的MIT研究人员包括：麻省理工学院电气工程与计算机科学系（EECS）及信息与决策系统实验室（LIDS）的博士生Sobhan Mohammadpour；EECS助理教授、LIDS首席研究员Gabriele Farina。其他共同作者包括：德克萨斯大学奥斯汀分校（UT）的Max Rudolph、加州大学伯克利分校（UCB）的Nathan Lichtlé和Alexandre Bayen、卡内基梅隆大学（CMU）的J. Zico Kolter、UT的Amy X. Zhang（’11, MNG ’12）、纽约大学的Eugene Vinitsky，以及CMU的Samuel Sokota。 这项新工作的重点在于可用于训练神经网络参与非完美信息博弈的算法。该领域长期以来普遍认为，基于博弈论原理的算法在此类情境下会明显胜过一种名为“策略梯度方法”（policy gradient methods）的通用算法——这种算法自20世纪90年代开始用于决策。“策略”在此语境中基本指代战略，而“梯度”则指通向最大变化方向（例如山顶或谷底）的路径。策略梯度方法被用于训练神经网络，使其以小步连续的方式朝特定目标（比如隐喻中的登顶）做出决策，并在过程中不断调整和修正路线，使智能体更接近预期目的地。 尽管战略博弈并非20世纪90年代初策略梯度方法最初设想的应用场景，但这篇新论文的作者们仍好奇这类算法在双人博弈中的表现如何。Farina表示，这些方法在多智能体情境下分析起来更为复杂。“你仍然可以朝某个方向调整以改善自身处境，但由于对手的行动，这个方向会在博弈过程中不断变化，而且变化可能很快。” Sokota指出：“此前人们几乎理所当然地认为，专业的博弈论算法才是应对这种情境的正确方法。我们的研究表明，策略梯度方法可以比这些专门算法更有效，而专门算法可能并不像人们想象中那么好——这提出了一个有趣的社会学问题：为什么这么久以来都未被察觉？部分原因在于，该领域尚未完成严格评估这些算法所需的工程工作，因此很难判断哪些有效、哪些无效。” 因此，这项工作的主要贡献之一，是提供了一种公平评估不同算法的方法，这些算法可以教会智能体（即神经网络）如何在非完美信息博弈中竞争。Rudolph指出：“我们采用了一种不同的方法。与这个领域发表的许多论文不同，我们并非提出一种能击败其他算法的新算法，而是提出一个能够评估这些算法的基准测试。” 简单来说，基准测试由用于评估算法性能的软件构成。Farina说：“我们提供的是一片测试场或博弈场，人们可以带着自己的算法来，针对特定任务进行训练，并观察其表现如何。” Sokota解释，研究小组通过一个名为“可被利用性”（exploitability）的概念来衡量玩家的表现，该指标衡量玩家在面对“最坏情况对手”时的表现。“在扑克这样的游戏中，这个对手不知道我的手牌如何，但会知道我在任何给定手牌下会如何行动。”在该尺度上达到零分意味着完美发挥，而高分则表明远非最优发挥。 团队在实验中进行了五款游戏的博弈：两种版本的“幻影井字棋”（Phantom Tic-Tac-Toe，玩家无法看到对手的落子）、两种非完美信息变体的棋盘游戏“六角棋”（Hex），以及一种名为“骗子骰子”（Liar’s Dice）的欺骗类游戏。 研究人员面临的最大挑战是如何让“可被利用性”指标适用于如此规模的游戏，其中可能包含多达300亿个“状态”。此处的“状态”不仅指棋盘上的所有可能位置，还包括博弈的完整历史，即每一步及其所有可能的失误。 Mohammadpour说：“这就像探究一个装满看不见物体的暗室。你需要想办法弄清楚这些物体在哪里，以及它们究竟是如何到达那里的。”他补充说，此前的研究人员通常将可被利用性用于比他们研究中分析的游戏小10万倍的场景。 在这五款游戏的实验中，使用策略梯度算法训练的神经网络获得了比基于博弈论算法训练的网络更好（更低）的可被利用性评分。在接下来的直接对抗中，策略梯度训练的网络再次击败了博弈论训练的对手。Rudolph说：“这些结果令人欣慰，因为它们让我们对自己的基准测试方法更有信心。” 该团队已将他们的基准测试软件免费公开，并使其易于使用。Mohammadpour说：“你不需要超级计算机。在一台普通笔记本电脑上就能运行。你只需在常用的基准测试软件集合OpenSpiel中添加一行代码即可。” 尽管他们的实验涉及一些相当冷门的游戏，但Farina希望将这项工作置于更广泛的背景下。他说：“请记住，‘游戏’这个词实际上适用于任何多智能体的战略互动。因此，我们从这项研究中获得的经验教训绝不仅限于娱乐性游戏。” Vinitsky对此表示赞同。“隐藏信息是这个世界一个非常重要的特性，”他说，“它渗透到一系列事务中——包括军事行动、交易场景和谈判——所有这些都发生在信息隐藏的条件下。我们能够改进这些游戏，意味着我们在这些其他场景中也能做得更好。” 未参与这项研究的谷歌DeepMind计算机科学家兼博弈论专家Ian Gemp对这些结果感到鼓舞。他说：“这项工作是一个有力的提醒，即对经典工具（如策略梯度方法）进行现代化改造，仍然是解决复杂战略问题的一条高效路径。”