AI 自学就可用更少步数复原任意 3 阶魔方

魔术方块是非常有趣的益智玩具，但从难度来说，并不比其他棋类游戏困难，如果人工智能(AI)算法可以在国际象棋或围棋中轻松打败人类，那么复原魔术方块也不是这么困难的事。

但是事实上对于算法来说，要解出魔术方块的谜题和下棋是完全不同种类的任务。

过去在棋类游戏中展现出超人类表现的算法，都是属于传统的「强化学习」(RL)系统，这类型 AI 在确定某些特定的一步是实现整体目标的积极步骤时，便会获得奖励，进而使系统产生追求最大利益的习惯性行为，然而当 AI 无法确定这一步是否有益时，强化学习自然就无法发挥作用。

如果还是无法理解，试着这么想吧：在进行棋类游戏时，系统可以轻易去判定一个动作究竟是属于「好棋」或「坏棋」，但是在转动魔术方块时，你能够说出有任何特定的一步，是改善整体难题的关键吗?

从外观上来看，魔术方块是个很单纯的益智玩具，然而因为 3D 立体的特性，这让一般常见的 3 阶魔术方块就已有着惊人的近 4.33×1019 组合，而在其中，只有六面都是相同颜色的状态才能成为「正确解答」。

过去人们已经研究出许多不同算法和策略来解决这项难题，但 AI 研究人员真正的目标还是希望能像 AlphaGo Zero 那样，让 AI 在没有任何历史知识的情况下，学会自行应对随机的魔术方块难题。

而近期加利福尼亚大学 Stephen McAleer 和团队透过一种被称为「自学叠代」(autodidactic iteration)的 AI 技术打造出「DeepCube」系统，成功让 AI 在面对任何乱序的 3 阶魔术方块时都可以成功找出正确解答。

根据团队解释，自学叠代是一种全新的强化学习算法，与过去棋类游戏算法的处理方式不同，它采取了「反着看」的内部奖励判断机制：当 AI 提出一个动作建议时，算法便会跳至完成的图形开始往前推导，直到到达提出的动作建议，藉以判断每一步动作的强度。

虽然听来相当的繁杂，但这让系统能够更熟悉每一步动作，并得以评估出整体强度，一但获得足够数量的数据，系统便能以传统的树状搜索方式去找出如何移动最好的方法。

▲ DeepCube 自行找出的一种策略 aba-1，许多玩家也经常使用。(Source：arXiv via Stephen McAleer)

团队在研究中发现，DeepCube 系统在训练中自己找出了许多与人类玩家相同的策略，并在经过 44 个小时的自学训练后，已经能够在没有任何人为干预下，在平均 30 步以内复原任何随机乱序魔术方块──这些「最佳解答」不是和人类最佳表现一样好，就是比这些表现更好。

McAleer 和团队打算未来将在更大、更难解决的 16 阶魔术方块上进行测试，这项全新的系统将有助于 AI 应用更全面化，像是生物物理学上重要的蛋白质摺叠(Protein Folding)问题或也有望得以解决。