|
【新智元导读】噪音，或过程中无意义的信息通常被视为导致麻烦的原因。但最新研究发现，将制造噪音（也即故意做出不协调行为或“捣乱”）的 bot 或 AI 程序放置在人类网络中的特定位置时，反而可以提高人类协作效率，解决从天文、考古乃至量子问题。 不可预测的人工智能（AI）听起来可不是件好事。但一项新的研究表明，随机运行的计算机可以促使人类更好地协调行动，更快地完成任务。该方法也可以用于缓解交通流量、改善企业战略，甚至可能改善或巩固婚姻关系。 如果想要把一个项目做得好，那么单是项目成员之间能够和谐共处是不够的，他们还需要有一个共同的执行目标。解决这个问题的方法有两个：一是自上而下的控制，也就是有一个人做领导或设置一个管理机构，告诉其他人都做什么；另一个更直观的做法是让项目成员随意选择自己最喜欢做的事情。根据所谓的“复杂系统理论”，后面这种方法最终将使整个系统融合一起。例如，要是两个人在谈判中陷入僵局，其中一人如果提出一个大胆乃至疯狂的方案，可能还会使谈判得出一个结果。 用简单巧妙的游戏验证噪音是否有益于协作 为了弄清楚随机 AI 能否帮助人类协调工作，耶鲁大学社会学家和系统工程师 Hirokazu Shirado 以及社会学家和医师 Nicholas Christakis 做了一项实验。他们要求参与实验的志愿者玩一个简单的在线游戏：有一个由 20 个节点构成的网络，每位志愿者分别控制中网络中的一个节点。这些节点呈绿色、橙色或紫色，志愿者可以随时改变自己控制的节点的颜色。
来源：Nature 同期评论“Occasional errors can benefit coordination” 这个游戏的目标是让两个相邻的节点不会出现相同的颜色。但是，玩家（也即实验参与者）只能看到自己控制的节点的颜色和与之连接的节点的颜色。所以，有时候会出现看不见的矛盾，比如玩家 A 让节点 A' 为橙色，与之相邻的节点 B' 为绿色，但同时与 B' 相邻的 C' 也被玩家 C 设定为橙色，而玩家 A 和 C 相互之间是看不见的，所以会造成冲突。 如果整个网络在 5 分钟之内实现了目标（相邻节点颜色不同），所有玩家都会收到额外的奖励。研究人员一共招募了 4000 名人类玩家，并将 230 个随机生成的 Bot 置于这个网络中。
图1：全部由人类玩家控制节点的结果。 因此，实验中，有些网络的玩家全部是人类。但在这些网络里，3 个处于中心或彼此连接节点数量最多的节点已经被上了色——要用 3 种颜色让有 20 个节点网络相邻节点颜色不同，有很多种解决方案，这些着色就满足其中的一种。 另一些网络则由 17 个人和 3 个 bot（或简单的 AI 程序）控制节点。在这些有 bot 控制节点的网络中，有的是将 3 个 bot 放在中心，有的则是将 3 个 bot 放置在网络的边缘，还有的则是 3 个 bot 位置随机。 这些 bot 在选择颜色时也会各不相同，因为研究人员事先设定好了噪声或选择颜色的随机性。在一些网络中，bot 每隔 1.5 秒会选择与当时网络中相邻节点颜色最多的不同颜色（比如 bot 有 5 个相邻节点，其中 3 个都是橙色，那么 bot 就会选择绿色或紫色。而在另一些网络中，bot 在 90% 的时间里遵循上述策略，但剩下 10% 的时间会随机选择节点颜色。还有一些网络，bot 随机挑选颜色的时间占 30%。
图2：曲线显示给定时间未解决的游戏次数百分比。深蓝色线条表示每次游戏的结果，包括 bot（n = 20），横轴表示 bot 的噪声水平，纵轴表示测地线位置（geodesic location）。浅蓝线条曲线表示仅由人类玩家（n = 30）控制的结果。n 总数 = 210。每次游戏时间为 300 秒；P 值是对数秩检验的结果。具有10 % 行为噪声并位于网络中心的 bot 可以显著提升游戏的可解性（P = 0.015），并且平均速度提升了 55.6%，从 232.4 秒到 103.1 秒。 实验结果：随机 AI 增加人类之间的协调性 实验结果，有 bot 混在其中的网络和全部由人类控制节点的网络表现都差不多，但那些有 3 个 bot 位于中心，并且这 3 个 bot 在 10% 的时间里随机挑选节点颜色的网络（下文简称为“3 中心 bot 10% 网络”），表现是最好的。这种组合的网络在时间限制内完成游戏目标的次数更多（85% 对 67%）。相关论文今天在 Nature 以短文（letter）的形式发表。 研究人员论文中写道，3 中心 bot 10% 网络在完成任务时，思考的时间为 103 秒，而其他则为 232 秒，这是一个非常显著的差距。 (责任编辑：本港台直播) |
