魔術方塊是非常有趣的益智玩具，但從難度來說，其實不比其他棋類遊戲困難，如果人工智慧（AI）演算法可在西洋棋或圍棋輕鬆打敗人類，那麼復原魔術方塊也不是困難的事。
但是對演算法來說，要解出魔術方塊的謎題和下棋是完全不同種類的任務。
過去在棋類遊戲展現出超人類表現的演算法，都是屬於傳統的「強化學習」（RL）系統，這類型 AI 確定某些特定一步是實現整體目標的積極步驟時，便會獲得獎勵，進而使系統產生追求最大利益的習慣性行為，然而當 AI 無法確定這一步是否有益，強化學習自然無法發揮作用。
如果還是無法理解，試著這麼想吧：玩棋類遊戲時，系統可輕易判定一個動作究竟屬於「好棋」或「壞棋」，但轉動魔術方塊時，你能說出任何特定的一步，是改善整體難題的關鍵嗎？
從外觀來看，魔術方塊是很單純的益智玩具，然而因為 3D 立體的特性，這讓一般常見的 3 階魔術方塊就已有驚人的近 4.33×1019 種組合，其中只有六面都是相同顏色的狀態才能成為「正確解答」。
過去人們已研究出許多不同算法和策略來解決這項難題，但 AI 研究人員真正的目標還是希望能像 AlphaGo Zero 那樣，讓 AI 在沒有任何歷史知識的情況下，學會自行應對隨機的魔術方塊難題。
近期加州大學 Stephen McAleer 和團隊透過一種稱為「自學疊代」（autodidactic iteration）的 AI 技術打造「DeepCube」系統，成功讓 AI 面對任何亂序 3 階魔術方塊時，都能成功找出正確解答。
根據團隊解釋，自學疊代是一種全新的強化學習演算法，與過去棋類遊戲演算法的處理方式不同，採取「反著看」的內部獎勵判斷機制：當 AI 提出一個動作建議時，演算法便會跳至完成的圖形往前推導，直到到達提出的動作建議，藉以判斷每一步動作的強度。
雖然聽來相當繁雜，但這讓系統更熟悉每一步動作，並得以評估整體強度，一旦獲得足夠的數據，系統便能以傳統的樹狀搜索方式找出如何移動最好的方法。
▲ DeepCube 自行找出的策略 aba-1，許多玩家也經常使用。（Source：arXiv via Stephen McAleer）
團隊研究發現，DeepCube 系統在訓練時自己找出許多與人類玩家相同的策略，並在經過 44 小時的自學訓練後，已能在沒有任何人為干預下，平均 30 步以內復原任何隨機亂序魔術方塊──這些「最佳解答」不是和人類最佳表現一樣好，就是比這些表現更好。
McAleer 和團隊打算未來進階測試更大、更難解決的 16 階魔術方塊，這項全新的系統將有助於 AI 應用更全面化，像是生物物理學重要的蛋白質摺疊（Protein Folding）問題或也有望得以解決。
（首圖來源：pixabay）