耍小心眼已经不是人类专利了。
前几日，有一群研究者整理了一个场景的List，细数了AI为了完成任务，而耍的小心眼，或者说作弊。
例如，在让AI玩俄罗斯方块的时候，发现最佳完成任务的方式是直接暂停游戏;在玩井字棋的时候，AI发现它如果做出奇怪的步骤，对手会非常崩溃。
科研人员在做实验的时候，通常会极力避免机器的这些作弊方式，只有少数的研究人员研究这些案例，他们认为算法的顽皮或许是AI真正走向智能的方式之一。
在2018年的时候，OpenAI举办了首届强化学习竞赛Retro Contest，比赛主题就是“用AI玩《刺猬索尼克》游戏”。竞赛的目的是评估强化学习算法从以往的经验中泛化的能力。
在训练的过程中首先要告诉AI的第一目标是得到最高分，然后尽可能的在最快的时间杀掉敌人并收集戒指。但是有一个案例的人工智能做法是，利用游戏中Bug更加快速的完成任务。
在另一个赛艇游戏中，倒也不是游戏中的BUG，为了尽快的获得最高分，它绕着圈子，反复击中相同的奖励目标，从而获得分数，显然这不是在真正的“享受”游戏。
这种例子并不少见，在谷歌和斯坦福2017年的一项研究中，为了完成图像转换的任务，CycleGAN在训练过程中通过人类无法察觉的某种“隐写术”，骗过了它的创造者，给自己留下了隐秘的“小抄”，然后顺利完成了任务。
具体来说，研究者希望通过训练这个CycleGAN模型，可以实现两类图片的转换：把航拍照变成街道地图，再把街道地图变回航拍照。
经过大量的数据发现，这个模型自作主张的根据航拍卫星图片重建了街道地图。比如，在创建街道地图时，屋顶上的天窗被研究者通过某种设置被抹掉了，但通过街道图转化为航拍照后，这些天窗又神奇地出现了。
左侧是原始地图，街道地图从原始地图产生。中间：生成的地图。右侧：重构的地图。其中，卫星地图的样本只来自街道地图。注意这两张卫星地图里出现的点，它在街道地图没有显示。
简单的点说就是为了应付人类任务，AI在地图照上面偷偷写了一点小抄/水印，而为了躲过人类的检查，只有它自己训练出来的模型才读得懂这些小抄/水印。
AI作弊：创造性的解决方案?
普通的人工智能通过观察数据值来解决问题，本质是通过算法找到答案，从而寻找新的知识逻辑。
那些“顽皮”的人工智能也是通过数据获取能力，但它采用欺骗策略来快捷完成任务。但是他能不能看成是AI在解决问题时的创新呢?
德国柏林Fraunhofer Heinrich Hertz研究所的机器学习小组组长Wojciech Samek博士说道：考虑一下在Pascal VOC图像分类挑战赛中大放异彩的人工智能系统，它仅通过水的存在来检测船只，通过蓝天和马匹的存在来检测飞机。”这就像在打台球的时候，通过推动桌子控制台球的运行轨迹。
使用数据训练AI玩游戏的目的是模拟游戏玩家的行为，一般情况下AI会按照“字面”意思进行操作。但是如果训练的数据过于多，人工智能可能会尝试采用完全颠覆人类对游戏理解的捷径，而不是完成各种目标。
当然，AI采用这种方法也解决了问题，只不过和人们预期方式的不同，在表现形式上面和人类的作弊行为类似，所以我们称之为AI作弊。
研究人员说道，这看起来是人工智能的错误，实际上是完善和改进系统的机会。但是为了利用这些机会，首先必须有一种机制来标记问题 郑州不孕不育医院:http://yyk.39.net/zz3/zonghe/1d427.html郑州不孕不育医院哪家好:http://yyk.39.net/zz3/zonghe/1d427.html郑州不孕不育医院排名:http://wapyyk.39.net/zz3/zonghe/1d427.html
因此，这里的教训是，AI作弊不应该也不会比我们聪明，但前提是我们必须意识到这些捷径的存在，以便我们可以将它们作为学习点，在未来构建更好的AI系统。