清華攢局8個(gè)ChatGPT狼人殺，心機(jī)偽裝都在這一局里，清華：我沒(méi)教過(guò)

克雷西 2023-09-17 13:34:01 來(lái)源：量子位

克雷西 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

除了玩電子游戲，人類(lèi)的“社交神器”狼人殺也被AI給學(xué)會(huì)了。

8個(gè)ChatGPT“坐”在一起，生動(dòng)地扮演出了五種角色，和真人如出一轍。

這個(gè)最新的人類(lèi)社會(huì)模擬實(shí)驗(yàn)，由清華和中關(guān)村實(shí)驗(yàn)室共同完成。

從斯坦福小鎮(zhèn)到清華游戲公司，用AI模擬人類(lèi)社會(huì)一直是學(xué)界的熱門(mén)研究課題。

如果說(shuō)清華游戲公司模擬了社畜的工作場(chǎng)景，那么現(xiàn)在社畜的業(yè)余社交生活也被AI模擬了。

在這個(gè)由8個(gè)ChatGPT組成的狼人殺局中，真人世界里的偽裝與信任、領(lǐng)導(dǎo)與對(duì)抗都體現(xiàn)得淋漓盡致。

甚至不用人類(lèi)教，AI就通過(guò)自己摸索發(fā)現(xiàn)了許多游戲技巧。

這一切只要通過(guò)設(shè)計(jì)prompt就能實(shí)現(xiàn)，而不必對(duì)模型中的參數(shù)進(jìn)行調(diào)整。

那么，這個(gè)“狼人殺世界”中都有哪些精彩的場(chǎng)景呢？下面我們就一起來(lái)看一下。

策略技巧不用教就會(huì)

在展示這8個(gè)ChatGPT的對(duì)話之前，我們先說(shuō)明一下游戲的配置：村民、狼人各兩名，守衛(wèi)、女巫和預(yù)言家各一名，此外還有一名上帝。

在實(shí)驗(yàn)的過(guò)程中，研究人員發(fā)現(xiàn)了ChatGPT使用了游戲說(shuō)明及prompt中沒(méi)有明確提到的策略。

好家伙，不用教就能自學(xué)成才了。

具體來(lái)說(shuō)，這七個(gè)ChatGPT的對(duì)話中體現(xiàn)了人類(lèi)游戲中的信任(trust)、偽裝(camouflage)、對(duì)抗(confrontation)、和領(lǐng)導(dǎo)(leadership)。

首先來(lái)說(shuō)信任。

研究人員對(duì)新人的定義是相信其他玩家有著與自己相同的目標(biāo)并一起朝著目標(biāo)前進(jìn)。

具體表現(xiàn)則包括主動(dòng)分享對(duì)自己不利的信息，或聯(lián)合其他玩家指控某人是敵對(duì)的。

研究人員觀察了信任關(guān)系隨游戲時(shí)間變化的過(guò)程。

下圖中，黃色的圓表示左側(cè)編號(hào)的玩家信任上方編號(hào)的玩家，虛線圈則代表信任關(guān)系的消失。

再來(lái)看對(duì)抗，也就是對(duì)對(duì)立陣營(yíng)采取的行動(dòng)，比如狼人在夜晚攻擊他人或在白天反過(guò)來(lái)指控他人是狼人等。

在游戲中的一個(gè)白天，1號(hào)玩家(狼人)號(hào)召將5號(hào)的村民逐出，但遭到了3號(hào)(守衛(wèi))的拒絕。

見(jiàn)陰謀沒(méi)有得逞，這匹狼決定在夜晚直接把5號(hào)刀掉，結(jié)果3號(hào)守衛(wèi)選擇了保護(hù)村民。

從中我們可以看出，這些ChatGPT不會(huì)盲目跟隨其他玩家的做法，而是根據(jù)已有信息做出獨(dú)立自主的判斷。

除了合作與對(duì)抗，偽裝在狼人殺游戲中也是一項(xiàng)必不可少的技能，更是取勝的關(guān)鍵所在。

比如在一個(gè)平安夜之后的白天，1號(hào)狼人就裝起了無(wú)辜。

除了假裝好人，偽裝也可以用來(lái)實(shí)現(xiàn)玩家的小心思，比如我們來(lái)看預(yù)言家的發(fā)言。

這名預(yù)言家提到了自己看到狼人在說(shuō)話，但實(shí)際上狼人在夜晚并不會(huì)發(fā)言。

作者介紹，經(jīng)過(guò)評(píng)估，這種現(xiàn)象并非ChatGPT出現(xiàn)了幻覺(jué)，而是有意為之。

最后再來(lái)說(shuō)一說(shuō)領(lǐng)導(dǎo)。

雖然研究團(tuán)隊(duì)設(shè)計(jì)的這個(gè)環(huán)境中并沒(méi)有需要競(jìng)爭(zhēng)的角色，但玩家還是可以謀取游戲進(jìn)程的掌控權(quán)。

比如1號(hào)和4號(hào)這兩匹狼就試圖帶節(jié)奏，讓其他玩家跟著自己的思路走。

大概是為了能夠出其不意攻其不備制造機(jī)會(huì)。

看來(lái)這幾個(gè)ChatGPT的確是玩得有模有樣。

那么，研究團(tuán)隊(duì)是如何調(diào)教出這些會(huì)玩狼人殺的ChatGPT的呢？

讓ChatGPT自己總結(jié)經(jīng)驗(yàn)

研究團(tuán)隊(duì)提高ChatGPT玩家表現(xiàn)的方式一共有四個(gè)關(guān)鍵點(diǎn)，分別是有價(jià)值信息V、經(jīng)過(guò)選擇的提問(wèn)Q、反思機(jī)制R和鏈?zhǔn)剿季S推理C。

消融實(shí)驗(yàn)結(jié)果表明，其中Q和C對(duì)的玩家發(fā)言合理性(由人工進(jìn)行評(píng)判)的影響最大。

Prompt也是據(jù)此設(shè)計(jì)的，當(dāng)然在這之前要先介紹游戲規(guī)則，最后形成了這樣的結(jié)構(gòu)：

• 介紹游戲規(guī)則和角色設(shè)定
• 聊天記錄、有價(jià)值信息和經(jīng)驗(yàn)反思
• 人類(lèi)根據(jù)經(jīng)驗(yàn)給ChatGPT的建議
• 有關(guān)思維鏈的提示

從中不難看出，收集歷史信息并從中總結(jié)經(jīng)驗(yàn)是一個(gè)重要環(huán)節(jié)，那么這些經(jīng)驗(yàn)又該怎么總結(jié)呢？

在每輪游戲結(jié)束時(shí)，所有參與者都會(huì)收集所有玩家的回復(fù)、反思和得分，其中得分由勝負(fù)決定。

在新的一輪游戲中，玩家基于當(dāng)前角色的反思，檢索相關(guān)的經(jīng)驗(yàn)并從中提取建議。

具體來(lái)說(shuō)是根據(jù)對(duì)經(jīng)驗(yàn)的評(píng)分，讓大模型比較其差異并識(shí)別出好的經(jīng)驗(yàn)，用于后續(xù)推理。

這樣就實(shí)現(xiàn)了在不調(diào)整參數(shù)的情況下讓ChatGPT學(xué)會(huì)游戲技巧。

不過(guò)經(jīng)驗(yàn)固然重要，但太多了也不一定是好事。

研究人員發(fā)現(xiàn)，當(dāng)經(jīng)驗(yàn)數(shù)量過(guò)多時(shí)，非狼一方的獲勝率反而出現(xiàn)了下降，游戲時(shí)長(zhǎng)（天數(shù)）也出現(xiàn)了縮短的情況。

不知道如果讓這些ChatGPT和真人比試一場(chǎng)，結(jié)果會(huì)如何呢？

論文地址：
https://arxiv.org/abs/2309.04658