商湯組了「最強大腦」局，正兒八經(jīng)解釋為啥搞起電競AI

十三 2020-07-11 13:19:51 來源：量子位

金磊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

前不久，《星際爭霸2》蟲王iA周航加入商湯科技，擔任AI研究員。

堪稱電競職業(yè)玩家「轉(zhuǎn)型最成功」的案例之一。

而商湯作為一家以計算機視覺技術(shù)著稱的公司，這一步棋又意在何為？

近日，在世界人工智能大會的圓桌論壇《從電競到AI》中，商湯道出了其目的：

入局電競，發(fā)力決策型 AI。

這些年，有關(guān)「電競AI」的那點事

先來盤一下「電競 AI」這件事情。

許多現(xiàn)實生活中的 AI 應用，都涉及到多個智能體在復雜環(huán)境中的相互競爭和協(xié)調(diào)合作。

針對商湯入局的星際爭霸，是一種即時戰(zhàn)略（RTS）游戲的研究，也就是解決這個大問題過程中的一個小目標。

換而言之，類似星際爭霸的挑戰(zhàn)，實際上就是一種多智能體強化學習算法的挑戰(zhàn)。

而?DeepMind?的?AlphaStar，可以說是在 AI 挑戰(zhàn)星際爭霸過程中，發(fā)展較為成熟的一個。

去年其研究還登上了頂級期刊?Nature?—— AlphaStar已經(jīng)超越了99.8%的人類玩家，在神族、人族和蟲族三個種族上都達到了宗師（Grandmaster）級別。

AlphaStar學會打星際，還是靠深度神經(jīng)網(wǎng)絡，這個網(wǎng)絡從原始游戲界面接收數(shù)據(jù)?(輸入)?，然后輸出一系列指令，組成游戲中的某一個動作。

至于訓練，則是通過監(jiān)督學習和強化學習來完成的。

而且，智能體的學習目標會適應環(huán)境不斷改變。

神經(jīng)網(wǎng)絡給每一個智能體的權(quán)重，也是隨著強化學習過程不斷變化；而不斷變化的權(quán)重，就是學習目標演化的依據(jù)。

電競 AI 領(lǐng)域另一個比較火的游戲是?Dota2，OpenAI 的?Rerun?和?OpenAI Five，是這款游戲中的 AI 佼佼者。

比起星際爭霸2需要操縱甚至上百個單位，Dota2這款5V5游戲，只需要操縱5個智能體，但是操作精準度和策略復雜度要高一些。

OpenAI Five 是 OpenAI 首先開發(fā)出來的電競 AI，和人類頂級團隊——世界冠軍 OG 的較量中，以2:0的明顯優(yōu)勢碾壓。

而后，OpenAI 又開發(fā)一出 Rerun，勝率再次翻新，達到了98%。

這些 AI 的背后同樣是一套神經(jīng)網(wǎng)絡。

根據(jù) OpenAI 發(fā)布的研究來看，policy (π) 被定義為從觀察數(shù)據(jù)到動作概率分布的函數(shù)，這是一個有1.59億個參數(shù)的RNN神經(jīng)網(wǎng)絡。這個網(wǎng)絡主要由一個單層、4096-unit的LSTM構(gòu)成。

選手們的訓練，使用的是擴展版的近端策略優(yōu)化（PPO）方法，這也是OpenAI現(xiàn)在默認的強化學習訓練方法。這些智能體的目標是最大化未來獎勵的指數(shù)衰減和。

在訓練策略的過程中，OpenAI Five沒有用到人類游戲數(shù)據(jù)，而是通過自我博弈。

與 Dota2 類似的電競 AI ，還有國內(nèi)的手游《王者榮耀》——騰訊絕悟 AI。

絕悟的 1v1 版本首次露面，是在2018年的 KPL 秋季總決賽上，而后在去年8月份，在5v5比賽中擊敗了人類職業(yè)戰(zhàn)隊，實力不容小覷。

而有關(guān)絕悟的技術(shù)細節(jié)，在去年年底時，騰訊在一篇入圍AAAI 2020的論文中也有所披露。

AI的整體架構(gòu)一共分為4個模塊：強化學習學習器（RL Learner）、人工智能服務器（AI Server）、分發(fā)模塊（Dispatch Module）和記憶池（Memory Pool）。

研究人員在論文中指出，基于這樣的方法訓練一個英雄，使用48個P40 GPU卡和18000個CPU 內(nèi)核，訓練一天相當于人類打500年，訓練30個小時就能達到王者段位水平，70個小時比肩職業(yè)玩家。

電競AI這件事，蟲王iA有話說

在昨天的世界人工智能大會中，「從電競到AI」的圓桌成了大會中的亮點，與會嘉賓包括：

• 曾獲得8次《星際爭霸II》全國比賽冠軍的中國頂尖選手、商湯科技研究員周航。
• 被稱為“腦王”的《最強大腦》2019全球總冠軍、商湯科技見習研究員鄭林楷。
• 商湯科技副總裁、商湯研究院副院長閆俊杰博士。
• 商湯科技研發(fā)執(zhí)行總監(jiān)石建萍博士。

如此陣容，被網(wǎng)友戲稱「腦王論劍」。

而堪稱「轉(zhuǎn)型最成功」的電競玩家周航，發(fā)表了他的看法：

我想要自己訓練一套AI系統(tǒng)，戰(zhàn)勝以前沒有戰(zhàn)勝過的對手。

在量子位的采訪中，作為與 AI 直面交鋒過的「親身經(jīng)歷者」，周航表示：

在星際這樣一個充了滿爾虞我詐的復雜環(huán)境，AI 在決策上還是太單純了。

雖然 AI 在操作上有一定優(yōu)勢，但是對整個游戲沒有建立起抽象的認知，容易被欺騙，還有很大提升空間。

但許多人對于類似星際2這樣的電競AI，提出了「公平性」方面的質(zhì)疑——畢竟機器在某些方面的能力，是遠遠超越人類的。

對此，周航從「操作」和「信息」兩方面做出看法：

在 AI 的操作方面，我個人覺得可以用一個簡單的方式去衡量：讓這一項目最頂尖的選手，嘗試去模仿 AI 的操作，如果人能模仿成功那就是公平的。

而在信息方面，AI 跟人類能獲得的信息需要保持一致。

具體到星際上來說，星際每一步是45ms，人做不到在這么短時間觀察信息并且做出反應，但是 AI 可以，限制 AI 的操作頻率是有必要的。

另外，AI 和人類在與游戲的交互方式上有很大不同。人是通過圖像和聲音了解的整個地圖的局部信息，但是 AI 目前通過星際的游戲接口獲取的信息會比人更加全面，這方面也需要加以限制。

當然，目前的電競 AI 還無法做到100%碾壓人類，對于其弱點，周航認為：

目前，星際AI 的弱點還是很明顯的。

星際的整個狀態(tài)空間太大，AI 在訓練過程中，有很多的局面都是沒經(jīng)歷過的，在這些罕見局面就會出現(xiàn)不會應對的情況，所以在與 AI 對戰(zhàn)的過程中，只要你打的天馬行空、不按套路出牌就行了。

因此，也可以發(fā)現(xiàn)電競 AI 研究的難點和重點，一方面是增強 AI 的泛化能力，做到像人類一樣抽象地思考問題；另一方面是希望能夠超越人類的認知，做出比人類更優(yōu)的決策。

除此之外，對于決策AI，前「腦王」鄭林楷也坦言：

其實人做決策經(jīng)?？康氖侵庇X，而這方面 AI 仍有很多進化空間。

最后，周航對于電競 AI 發(fā)出了希冀：

我希望做到的是從 AI 模仿人類出發(fā)，再到人類去模仿它；我希望AI真正拓展人類的認知，拓寬人類的想象力

入局電競，發(fā)力「決策型AI」

不難看出，近幾年的電競 AI 呈現(xiàn)越發(fā)火熱的趨勢。

其實在這背后，各家的發(fā)力點都是較為一致的，那就是「決策型 AI」。

那么，問題就來了，決策型 AI 為什么會受到如此重視，就連深耕計算機視覺的商湯科技也要入局？

在量子位與商湯研究院副院長閆俊杰的專訪中，我們得到了一些答案。

過去幾年時間中，商湯在計算機視覺的感知層面做了大量的技術(shù)積累。通過感知能力，解析了大部分的圖片和視頻，一定程度上提高了行業(yè)的智能化和自動化程度。

但隨著感知的能力越來越強，信息的維度越來越高，這就為運營、控制、決策類的問題的提升帶來了更多的可能性，但是要求也越來越高。

例如交通的信號燈控制、車輛的調(diào)度和管理、封閉空間人流的優(yōu)化、大規(guī)?；顒訒r人力的調(diào)度等等。

而在這種情況，決策型 AI 便起到了關(guān)鍵作用，正如閆俊杰所說：

這些問題已經(jīng)超越了人，甚至專家的能力，需要決策型的AI提供相關(guān)輔助，從而走通最終的價值閉環(huán)。

但要從感知型 AI 轉(zhuǎn)型為決策型 AI，所面臨的問題也是相當困難。

• 一個問題是現(xiàn)在的方法比較依賴在環(huán)境中進行大量的探索和驗證，也就是可以幾乎無限的試錯。但是真實的環(huán)境往往很難提供類似的機會。
• 另外一個問題是可解釋性，實際的系統(tǒng)很難完全依賴于一個黑盒的系統(tǒng)，而需要人能進行有效的干預來提供系統(tǒng)的可靠性，這就需要AI決策能進行一些解耦。

而且，在決策型 AI 的研究和應用方面，國外整體還處于更加領(lǐng)先的狀態(tài)，正如 DeepMind 和 OpenAI 的研究。

那么，在如此「內(nèi)憂外患」的情況下，商湯又該如何下好「入局電競 AI」這步棋呢？

閆俊杰表示：

具體的做法跟我們做計算機視覺的思路類似。

初期跟不同行業(yè)頭部客戶一起迭代，在滿足客戶需要的前提下，逐漸完善技術(shù)框架，提高技術(shù)框架的泛化性能，并進一步用有限的人力服務更多的客戶。

而商湯入局決策型 AI，擁有得天獨厚的優(yōu)勢——場景和人才。

首先，商湯在前期計算機視覺等技術(shù)落地的過程中，已經(jīng)積累了眾多的客戶和真實場景，這些客戶對決策型AI深化落地有了一定的接受度和預期。

也正如商湯科技研究總監(jiān)石建萍所介紹，自動駕駛就是一個很好的應用場景。

決策型AI可以用于自動駕駛的駕駛策略，包括三個層面：行為層、規(guī)劃層、以及控制層。

行為層面，包括是否要換道、是否要減速等；規(guī)劃層面，主要為本車確定可行駛路線；控制層面，則直接為本車輸出油門剎車、方向盤指令。

在仿真環(huán)境中，可以為他車、人等交通參與者的行為進行模擬，尤其是在與本車產(chǎn)生交互的場景中（例如本車匯入車流），從而幫助更好地在仿真中驗證本車自動駕駛性能。

另外一方面的優(yōu)勢便是人才。

商湯在前幾年儲備了大量的AI領(lǐng)域的人才，有完善的研發(fā)體系和資源，來支撐重點問題的攻關(guān)。

最后，閆俊杰對決策型 AI 給出了一個預測：

總體上我們相信，決策型AI的發(fā)展會類似幾年前計算機視覺領(lǐng)域。

算法效果上每年有指數(shù)級別的提升，逐漸能夠突破使用的紅線，在一兩個領(lǐng)域打開局面，然后開始更多的下沉和與行業(yè)深入結(jié)合。