2021世界人工智能大會(huì)走到了第四年，給人最明顯的感受就是AI已經(jīng)慢慢從酷炫的概念，逐漸被應(yīng)用到了更多的場景中?；行斡跓o形，潤物細(xì)無聲，不知不覺中人們與AI的交集已經(jīng)越來越多。
不過，就如馬化騰在開幕式中提到的“對AI的未知仍然大于已知”，在考慮到未來“通用AI”成熟后面臨的道德?lián)u擺問題之前，可能先要去解決的是路徑上的技術(shù)難題。而在這次的AI大會(huì)上，騰訊帶來的策略協(xié)作型AI王者絕悟，也許能夠成為未來通用AI探索之路上的一個(gè)“急先鋒”。
王者絕悟的“武林高手”晉升之路
王者絕悟，實(shí)際上是王者榮耀與騰訊AI Lab在游戲場景下研究的成果。
用通俗一點(diǎn)的話來理解“策略協(xié)作型AI”，“策略”指的是AI能夠通過獲取到的信息，分析局勢優(yōu)化策略，做出更有利于獲勝的行為；“協(xié)作”指的是操作不同英雄的多個(gè)智能體能夠互相配合，協(xié)同推進(jìn)博弈。
一旦明白了所謂的“策略協(xié)作型AI”的定義，也許就能理解為什么在8日下午的“職業(yè)人氣選手 VS 王者絕悟”表演賽上，王者絕悟能夠表現(xiàn)如此出色 —— 團(tuán)戰(zhàn)越塔收割，完美撤退；以一敵眾，掩護(hù)隊(duì)友撤退，穩(wěn)固優(yōu)勢等等。
有趣的是，王者絕悟并非一開始就這么“聰明”。事實(shí)上，回顧它的發(fā)展歷程，特別像經(jīng)典武俠小說里，一個(gè)武林高手的成長故事。
在18年面世的時(shí)候，王者絕悟通過監(jiān)督學(xué)習(xí)，模擬了職業(yè)選手的操作，達(dá)到了頂尖業(yè)余水平。19年，它開始往深度強(qiáng)化學(xué)習(xí)課題上深入，達(dá)到了職業(yè)電競水平。
好比一個(gè)初出茅廬的毛頭小子，開始只能靠跟著師傅，“模仿”招式學(xué)習(xí)武功。但畢竟只是“模仿”，運(yùn)氣好學(xué)到的是“九陽神功”，運(yùn)氣不好可能就只能學(xué)到個(gè)“葵花點(diǎn)穴手”。而到了深度學(xué)習(xí)階段，他決定不再模仿，而是開始自己修煉，逐漸擺脫了那些“套路化”的招式。
到了2020年，王者絕悟又通過課程化自我博弈，從單個(gè)或者固定英雄組合，高效地?cái)U(kuò)充到更多英雄組合的學(xué)習(xí)。
而在騰訊AI Lab高級研究員、王者絕悟AI模型負(fù)責(zé)人邱福浩描述的王者絕悟最新版本中，它進(jìn)一步引用了多輪組合博弈和層次化的強(qiáng)化學(xué)習(xí)算法。也就是說，現(xiàn)在王者絕悟不僅能和你直接戰(zhàn)斗，甚至在戰(zhàn)斗之前的BP環(huán)節(jié)，就已經(jīng)開始思考策略，并且戰(zhàn)局中也能夠持續(xù)調(diào)整策略來應(yīng)對各種局面。
用邱福浩的來說，如今的王者絕悟，已經(jīng)達(dá)到全英雄職業(yè)電競水平。
但是，就像改變世界的是“武道”，不是“武術(shù)”。王者絕悟在游戲場景、電競行業(yè)中都有著直接、有效的幫助。但是，這還不足以稱其為“通用AI路徑上的一個(gè)急先鋒”。
真正值得一提的，是王者絕悟背后所代表的技術(shù)發(fā)展浪潮。
“人工+智能”向自主智能的進(jìn)化
現(xiàn)如今，AI對于各行各業(yè)的賦能，已經(jīng)不用多說，從上下班打卡的人像識別、到陪玩游戲的語音助理… 其價(jià)值已經(jīng)被大家廣泛認(rèn)知并認(rèn)可。
但是，AI的開發(fā)、訓(xùn)練、調(diào)試的過程中，如果完全放到現(xiàn)實(shí)中去進(jìn)行，存在成本高、風(fēng)險(xiǎn)大的問題。因此，游戲是最好的虛擬化場景。從簡單到復(fù)雜、從低級到高級，AI研究的不同歷史時(shí)期，都能找到對應(yīng)的、不同復(fù)雜度的游戲作為測試相關(guān)技術(shù)主要難題的技術(shù)試驗(yàn)場。
2016年，AlphaGo一戰(zhàn)成名。作為許多年前的“第一批AI網(wǎng)紅”， AlphaGo的技術(shù)邏輯并不難理解：通過“走棋網(wǎng)絡(luò)”模仿棋手，然后借助樹搜索，分析戰(zhàn)況，推演未來的每一步棋的變化，接著憑借估值網(wǎng)絡(luò)，分析局勢，判斷勝率，最后做出行動(dòng)。
但是，AlphaGo僅僅是單體智能決策，而且圍棋是一個(gè)規(guī)則明確、完全信息透明的單人游戲。如今，真正在各個(gè)場景下發(fā)揮重大應(yīng)用價(jià)值的，是技術(shù)相對更加復(fù)雜的多智能體決策，這也就對測試環(huán)境提出了更高的要求。
簡而言之，就是要模擬出一個(gè)工廠之類的環(huán)境，測試如何讓工廠里的各個(gè)機(jī)器人在不吵架（或者可以吵架）的前提下，既完成自己的小目標(biāo)，也完成好組織要求的“裝好一輛汽車”的大目標(biāo)。
現(xiàn)實(shí)情況下，不可能天天給科學(xué)家們找?guī)准夜S來實(shí)驗(yàn)。于是，谷歌、Facebook、特斯拉等公司，開始直接或者讓投資組合下的公司開啟多智能體AI在多人競技游戲環(huán)境下的實(shí)驗(yàn)，而在中國，王者榮耀與騰訊AI Lab一同推出了王者絕悟。
不過，為什么偏偏是王者絕悟；或者說，為什么說王者榮耀能成為一個(gè)絕佳的研究環(huán)境呢？
“王者榮耀的游戲機(jī)制具有很強(qiáng)的多人協(xié)作性、在不對稱信息下博弈空間極大、協(xié)作競技性很強(qiáng)，非常適合使用多智能體人工智能技術(shù)來提高生產(chǎn)和測試效率。此外，王者榮耀產(chǎn)品中的視野非全局性，敵我雙方的實(shí)時(shí)位置、狀態(tài)能信息非理想透明，游戲測試環(huán)境中能提供豐富的數(shù)據(jù)，模擬的場景，為研究模仿學(xué)習(xí)提供了保障；再者，天然的層次結(jié)構(gòu)，在高層次對應(yīng)大局觀，在低層次中對應(yīng)了微操，適合層次強(qiáng)化學(xué)習(xí)研究?！彬v訊互動(dòng)娛樂天美L1工作室總經(jīng)理、王者榮耀執(zhí)行制作人黃藍(lán)梟說到。
與AlphaGo相比，王者絕悟在技術(shù)復(fù)雜度與應(yīng)用價(jià)值上，都有了顯著的提升。據(jù)了解，王者絕悟在一局里有高達(dá)10的20000次方種操作可能性，整個(gè)宇宙原子總數(shù)也只是10的80次方。
面對這么復(fù)雜的決策，王者絕悟這幾年飛速成長，訓(xùn)練效率非常高，一天的訓(xùn)練強(qiáng)度高達(dá)人類 440 年。
表面上，選手和王者絕悟打了一場電競表演賽。但是實(shí)際上，王者絕悟背后，是AI從單體智能交互，到與多智能體交互的發(fā)展變化，這是其一。其二，是AI成長模式的進(jìn)化：人工干預(yù)開始減少，機(jī)器智能對于環(huán)境的自主學(xué)習(xí)能力大大增強(qiáng)，從模仿學(xué)習(xí)，到深度學(xué)習(xí)，從“人工+智能”向自主智能轉(zhuǎn)化。
如今，王者絕悟已經(jīng)有了幾個(gè)兄弟，可以應(yīng)用于足球、FPS、RTS游戲，并且都達(dá)到了國際領(lǐng)先水平，其可遷移性得到了論證。此外，當(dāng)王者絕悟從0到1去學(xué)習(xí)進(jìn)化，并發(fā)展出一套合理的行為模型之后，其中的方法和經(jīng)驗(yàn)，也能夠在其他醫(yī)療、制造、無人駕駛等場景中得到運(yùn)用。
以上種種，一方面，代表著人們距離多智能體的大范圍實(shí)際應(yīng)用在技術(shù)層面又向前走了一步；另一方面，也意味著“通用人工智能”在技術(shù)路徑上，也不再那么遙不可及。這才是王者絕悟背后真正的價(jià)值所在。
【結(jié)束語】
1943年，圖靈制造了一個(gè)叫做“巨人”的機(jī)器，用于破解德軍的密碼電報(bào)，標(biāo)志著AI的誕生。2012年，華裔科學(xué)家吳恩達(dá)展現(xiàn)了一個(gè)超強(qiáng)的神經(jīng)網(wǎng)絡(luò)，在自助觀看千萬張圖片之后，識別圖片內(nèi)容，開啟了AI的新時(shí)代。
可以發(fā)現(xiàn)，AI與人類對戰(zhàn)，并不是其誕生的理由；AI戰(zhàn)勝人類，也不是其誕生的目的。這是人們在走向通用AI上的一條“捷徑”，讓人們以一種更低成本、更安全、更有效的方式走向那個(gè)科幻般的未來。
王者絕悟的多智能體博弈和自生長能力，是通用人工智能（AGI）成長路徑上的關(guān)鍵技術(shù)節(jié)點(diǎn)。在如此復(fù)雜的虛擬環(huán)境下，如果AI能夠表現(xiàn)出較高的智能水平，那么，在真實(shí)世界中的應(yīng)用前景就更值得期待了。
當(dāng)然，在這其中，王者絕悟并不是第一個(gè)，也不會(huì)是最后一個(gè)。但是，數(shù)字時(shí)代的潮水還在向前奔流，每一朵大的浪花都值得銘記。
請登錄以參與評論
現(xiàn)在登錄