对于那些认（rèn）为人工智能是（shì）威（wēi）胁（xié）的人（rén）来（lái）说，可（kě）能不太（tài）喜欢 DeepMind 的（de）最新研究成果。这家隶属（shǔ）于 Alphabet 的人工智能部门提出了名为 MuZero 的新算法，能够让机（jī）器在不（bú）了解规（guī）则的情况下（xià）成功击败人（rén）类选手。这绝对是人工智（zhì）能领域的（de）一个惊人发展，因为该算法能够让人工智能更好地的应对现实生活中的场景，而且不需要提供任何特定的算法。

DeepMind 在探索人工（gōng）智能的道路上从未停（tíng）止脚步。在 AlphaGo 学会围棋并成功击败职（zhí）业（yè）围棋手之（zhī）后，DeepMind 又推出（chū）了 AlphaGo Zero，通过观察人和人之（zhī）间（jiān）的真实比赛，然后（hòu）让两台计算机一同来下棋。

随后（hòu），该团（tuán）队（duì）再次推出了 AlphaZero，只是在告知游戏（xì）规则（zé）的（de）情况下（xià），实现了（le）对（duì）围棋（qí）、将（jiāng）棋和国际象棋的熟练（liàn）掌（zhǎng）握。而现在该团队推出（chū）的（de） MuZero，并没有告知任何的棋类运行（háng）规则，让（ràng）它自己通过观察来掌握围棋、国际象棋、将棋和 Atari 游戏。

MuZero 在没有传（chuán）授规则的情（qíng）况（kuàng）下可以自己（jǐ）学习，制定（dìng）相应的计划并取（qǔ）得胜利。MuZero 可（kě）以在（zài）雅达利游戏（xì）中做同样的事情。新的人工智能在学习了规则之后，可以变得和（hé）以前（qián）的版本一样好，甚至比以前的版本更好。

这个项（xiàng）目的目标是提供（gòng）一（yī）个单一的算（suàn）法，可以让AI在不知道该方案的规则的情况下想出下一步行（háng）动。对于象棋和围（wéi）棋这样的游戏来说，这（zhè）可能说起来容易做起来（lái）难，因为在这些（xiē）游戏中，有一套预定义的动（dòng）作可以让你获得（dé）胜利或失败（bài）。但（dàn）在大多数现实世界的（de）情（qíng）况（kuàng）下（xià），如果（guǒ）没有获得复杂的算法，人工智（zhì）能可能难以驾驭更多（duō）的种类，而这种算法基本（běn）上（shàng）可以让它（tā）思（sī）考。

但（dàn）事实上（shàng） MuZero 并不会（huì）自己思考，更（gèng）没有达到科幻（huàn）小说（shuō）/电影中可怕的人（rén）工智能。然而，DeepMind确实达到了一个重要的里（lǐ）程（chéng）碑，如果（guǒ）它（tā）的算法允许（xǔ）计算机在（zài）它不知道（dào）所有规则的模（mó）拟中提出一个胜利的解决方案。

Engadget解释说，MuZero在做决定时会考虑（lǜ）三件事。首（shǒu）先（xiān），它会考虑上（shàng）一次行动的结果、当前所（suǒ）处的位（wèi）置以及下一次（cì）行动的最佳方案。DeepMind发现，MuZero与之前的AIs相匹配。而且（qiě），它的时间越多，它提供的解决方案就越好（hǎo）。即使加入了时间限制，比如（rú）在行动前限制（zhì）吃豆人（rén）女士的（de）模拟次数，MuZero也取得了不错的效果。