Noam Brown

他做什么

Noam Brown 是 OpenAI 的研究科学家。他的个人主页列出的研究方向是推理（reasoning）、强化学习、自博弈（self-play）与多智能体 AI。^[1] 他最为人熟知的工作，是让 AI 在信息不完全、玩家多于两人的游戏中达到超人水平：先是双人扑克，然后是六人扑克，再后来是桌游《外交》（Diplomacy）；近些年，他还参与让模型先推理再作答的工作。^[1][4]

教育与早期工作

Brown 在卡内基梅隆大学（Carnegie Mellon University）获得计算机科学博士学位。^[1] 他还曾在美联储理事会（Federal Reserve Board）的国际金融市场部门研究算法交易，之后在 Meta 的 FAIR 实验室工作。^[1]

对一位 AI 研究者来说，这样的经历并不常见：央行 markets 部门、产业研究实验室、大学博弈论团队，出现在同一条路径上。把三者连起来的，是对不确定性和与其他决策者对抗时的决策问题的兴趣——算法交易和多人在线游戏在这一点上是相通的。

扑克：Libratus 与 Pluribus

Libratus 是他和自己在卡内基梅隆大学的导师一起构建的，击败了顶尖的人类扑克职业选手，并获得「马文·明斯基人工智能杰出成就奖」（Marvin Minsky Medal for Outstanding Achievements in AI）。^[1]

更知名的是多人扑克系统 Pluribus，由 Brown 与 Tuomas Sandholm 共同开发；当时 Brown 还是卡内基梅隆大学的博士生，同时在 Facebook AI 担任研究科学家。^[2][3] Pluribus 玩的是六人无限注德州扑克（no-limit Texas hold'em）。^[2][3] 从两人对局扩展到六人，难度上升很多：每多一个对手，就多出若干张看不到的牌和更多可能的应对，程序无法只靠算出一条最优线路取胜。Pluribus 击败了职业选手 Darren Elias 和 Chris Ferguson，每位职业选手各打 5,000 手牌，对手是 5 个 AI 副本。^[2][3] 在另一组测试中，13 位各自在扑克上赢过 100 万美元以上的职业选手，每 5 人一组上场，总共打了 10,000 手牌。^[2] Pluribus 登上了《科学》（Science）杂志封面，并入围该刊 2019 年度「年度突破」（Breakthrough of the Year）的决选名单。^[1]

CICERO 与《外交》

Meta 称 CICERO 是首个在《外交》中达到人类水平表现的 AI，并称在与人类玩家的 40 局对局中，它的得分是人类玩家平均得分的两倍以上。^[4]《外交》不只是走棋，也是一场谈判：玩家必须先以自然语言说服、许诺甚至欺骗对手，然后才结算各自的指令。Meta 把 Brown 列为 Meta AI 的研究者，由他讲解 CICERO 如何在该游戏中把策略推理与自然语言结合起来。^[4]

推理模型

Brown 的主页称他是推理模型的基础贡献者之一，并以 OpenAI o1（又称 Strawberry）为例。^[1] 推理模型可以理解为：模型在给出答案之前先走一遍中间步骤，把更多计算花在「想」上，而不是立刻给出第一个看似合理的回答。自博弈——系统通过与自己的副本对弈来变强——也被他的主页列在研究兴趣之中。^[1]

为什么重要

游戏一直是检验 AI 的好场地：它有干净的计分方式，也有不留情面的对手。扑克和《外交》比国际象棋和围棋又往前走了一步：AI 看不到全部信息，对手会针对它调整，而在《外交》里它还得用语言拉拢盟友。Libratus、Pluribus、CICERO 这类系统说明，这类问题可以靠搜索、博弈论推理和学习来解决，而不必依赖人手写下的规则。Brown 后来在推理模型上的工作延续了同一个主题——在不确定性中做决策，把计算用在真正有帮助的地方——只是舞台从游戏换成了通用模型。^[1]