（圖片來源：Pixabay）

認為自己下國際象棋時的飛象開局（Bishop’s opening），後翼棄兵（Queen’s gambit），或是兵步（pawn play）足夠獨特？最新的人工智能算法能夠學習到你的棋風。人工智能技術已經可以通過聲音和筆迹來确認個體的身份。現在，一種人工智能算法可以通過個體下棋的行為來标記他們。這項技術作為“筆紋”領域中的重要進展，能幫助計算機成為更好的象棋老師，或在人機對戰中更像人類。意外的是，這些系統還能夠被應用于幫助确認和跟蹤那些認為自己的線上行為是匿名的人。

“對隐私的威脅正在迅速增加。”哈佛大學伯克曼網際網絡與社會研究中心（Berkman Klein Center）的律師Alexandra Wood說道。她說類似這樣的研究如果以負責的方式進行，會對社會很有用，“因為它們闡明了一種重要的丢失隐私的方式。”

類似于Deep Blue和AlphaZero等下棋程序的下棋功夫長期以來都遠超人類。多倫多大學的計算機科學家和該項目的首要研究者Ashton Anderson認為，大部分下棋機器人的棋風都是“外星人的風格”，這些下棋機器人對想要學習和精進技術下棋者并不是很有指導性，因此如果他們能夠進行個性化的指導建議會更有益。然而，這首先需要這些機器人能夠捕捉到一位下棋者獨特的風格。

為了設計和訓練人工智能，研究者利用了一處巨大的的資源：擁有超過5千萬局人類棋局的Lichess網站。他們收集了遊戲局數超過1000次的玩家的棋局，并從中取樣了近32個連續棋步。他們對每一個棋步進行了編碼，将其輸入神經網絡進行訓練，每個棋局為在神經網絡的多維空間中是一個點，每個下棋者的所有棋局組成了一個聚類簇(cluster)。研究者訓練該網絡以最大化每個玩家的聚類簇的密度和玩家間的差異性。這需要系統識别出每個玩家風格的獨特性。

研究者們通過給模型3000個已知下棋者的各100局棋局和一個未知下棋者的100局棋局，測試了系統對用戶的區分度。為了增加測試任務的難度，他們隐藏了每個棋局最開始的15步。模型識别選手的正确率達到86%，研究者在神經信息處理系統大會(NeurIPS)上報告了該結果。“我們覺得這個結果難以置信，”Anderson實驗室和該文章的主要作者Reid McIlroy-Young說道。一個非人工智能的方法隻能達到28%的準确性。

（圖片來源：Pixabay）

“這個研究非常有趣。”Meta（Facebook的母公司）的研究科學家Noam Brown說道，他曾開發了超人的撲克機器人程序。他對可以模仿世界象棋冠軍Magnus Carlsen棋步的象棋機器人程序非常期待，并認為能夠區分不同個體風格的人工智能能夠改變其他的計算機交互方式。他說：“聊天機器人有許多有趣的地方，比如說你可以做一個說話像愛因斯坦或其他人的聊天機器人。”

該研究的研究者意識到，該模型能夠被用來确認線上匿名下棋者的身份，這可能會帶來隐私問題。通過微調模型也能将這項技術應用于撲克遊戲上，McIlroy-Young說道。研究者們認為，隻要有合适的數據集，這樣的模型理論上能夠基于駕駛的癖好，或者手機使用的時間和地點來确認個體的身份。

（圖片來源：Pixabay）

神經信息處理系統大會的組織者認可了該項研究技術上的成就，但是認為它在倫理上存在瑕疵，因此該大會在研究者強調了隐私風險的條件下才接受了這篇文章（一位審稿人評價這篇文章“是營銷者和法律部門所感興趣的”）。Anderson說他們已經決定眼下不會公開模型的代碼。

作者：MATTHEW HUTSON（居住在紐約市的自由職業科學記者）

翻譯：蔣澤華

審校：王嘉钰

引進來源：Science

本文來自：中國數字科技館

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!