随着人工智能系统在现实世界中扮演越来越重要的角色，理解不同的系统如何相互作用至关重要。

刚刚，DeepMind发表了一篇名为Symmetric Decomposition of Asymmetric Games的论文。在这篇论文中，DeepMind研究人员采用了博弈论的分支试图这个问题。

研究人员重点观察了在德州扑克，棋盘游戏苏格兰特警等非对称博弈中，两个智能体会有怎样的行为和表现。

用这种新方法，智能体能简单快速地在复杂的非对称博弈里找到纳什均衡。

博弈与纳什均衡

博弈论属于数学的一个分支，用于分析竞争环境下决策者的策略。

这套理论适用于人类，动物，以及超过一个AI时的多AI环境。比如说家里多个机器人同时打扫房间。

非对称信息博弈模拟了真实世界的场景，就像拍卖时买家和卖家的心态和动机不同。我们得到的结果给了我们独道的见解，以及极其简洁的方式分析他们。

非对称博弈的特点是每方玩家都有不同的策略、目标和奖励。比如说博弈论研究里最常见的协调博弈，性别之战。

一般来说，多AI系统的进化动态过程是用简单的对称博弈来分析，比如说经典的囚徒困境，两方玩家都可以采取同样的行动。即使这些博弈能够为多AI系统提供有效的洞见，告诉我们如何操作所有玩家才能获得最优结果（这就是纳什均衡），但他们并不能模拟出所有的情况。

DeepMind的新的方法，能简单快速地在复杂的非对称博弈里找到纳什均衡。

虽然目前这套理论的重点还在如何应用在多个AI系统的互动中，但研究人员相信这个结论也可以用于经济、进化生物学、经验博弈论中。

歌剧还是电影？

举个例子吧。

两名玩家需要决定晚上是去看歌剧还是电影，不巧的是，其中一名偏好歌剧而另一名偏好电影。这是场不对称的游戏，虽然两名玩家可以任意选择，但是根据玩家的喜好，每个玩家得到奖励是不同的。

但是，为了维持他们的友谊，或者我们称为一种平衡，双方需要选择相同的活动，因此单独行动的回报为零。

这个游戏有三个平衡：(i)双方都去看歌剧，(ii)双方去看电影，(iii)还有一个混合选项，每个玩家在五分之三的时间里选择他们喜欢的选项。

这个“不稳定的”的最后一个选项，就是用了将不对称游戏简化或分解成它的对称对等体的方法。

我们可以将这种游戏的本质想象成，每个玩家的奖励分数表是一个独立对称的双玩家游戏，它的平衡点与原始的不对称游戏一致。

在下面这张图中，纳什均衡是通过两个对等点得到的，帮助我们快速确定不对称博弈中的最优策略(a)。反过来说，利用不对称博弈来确定对称对等点的均衡。

△ 红点代表纳什均衡。对于不对称的游戏(a)，纳什均衡可以很容易地从(b)和(c)两张对称图中得到。上述图中，x、y轴分别为玩家1、2选择歌剧的概率

好消息是，这种方法也适用于其他游戏，比如Leduc扑克等。这些方法应用了一个简单的数学原理，从而快速直接分析不对称游戏。我们希望它也能帮助我们理解各种动态系统，包括多代理环境。

最后，附论文地址：

https://www.nature.com/articles/s41598-018-19194-4