游戲里的人機對手，正在幫助人工智能走入現實 _人工智能

AI與游戲的關系，隨著近段時間人工智能的風頭漸長，越來越常被人們提起。
但在談到AI仍總會讓人想起“模型”和“算法”等抽象詞匯，還沒能靠可視化被更多人看到的時候，它其實早就已經和游戲走到了一起。
作為一種與用戶行為緊密相關的交互性媒介，游戲很容易給AI提供各種工具化的空間；同時因為它由規則與玩法搭建起舞臺，邏輯嚴密的游戲本身又是天然適合AI生長和進化的土壤。
就算到了現在，仍有很多人還沒意識到，二者的相遇從某種程度上來說是必然的。而且在過去的幾年里，已經有很多團隊用實例證明了這一點。
1. 游戲工具箱里的AI
如今聊起人工智能在游戲中的應用，很多人首先想到的是游戲制作中它能提供的幫助。
以為代表的眾多作圖AI，確實已經被不少開發者逐漸運用到了實際的游戲制作中；微軟最近申請了專利的AI作曲模型，聽上去似乎也把游戲配樂的門檻拉低了不少；就連游戲內人物的對話，Open AI最近推出的聊天人工智能聽上去也能勝任，似乎離RPG游戲里角色對話的完全智能化也不遠了。
號稱“能接住人類拋給它的話題”
可這些距離我們普通玩家來說，始終還有一定距離。我們想要的，是能迅速應用到游戲中來改善游玩體驗的各種工具——而這些也是AI能提供給玩家，甚至已經給到玩家的東西。
比如一個已經常用到足以被忽視的例子：圍棋平臺的AI陪練。
一開始當戰勝人類棋手的時候，人們大都是感覺到AI對圍棋界的沖擊。但是反觀現在，AI已經完全融入到了這個行業中，一個好用的AI陪練已經成了練棋的重要助手。甚至經過長時間的發展，已經細化出了各類產品，諸如“少兒圍棋AI陪練”和“制定段位特訓AI老師”都是針對不同人群的精準訂制，就連中國國家圍棋隊也將騰訊AI Lab研發的棋牌類AI“絕藝”作為陪練。
在緊隨圍棋的電子游戲領域中，《星際爭霸》《DOTA2》等項目上AI的勝利并沒晚來多少,而在國內如今區別于市面上常見的游戲陪練的AI陪練也已經出現了。
《王者榮耀》中最近升級的“王者絕悟” ，實際上就是一個AI伙伴。和其他游戲里高難度電腦主要靠操作和讀指令不同，“王者絕悟”更多是通過多個AI間的不斷切磋和試錯，逐漸總結出規律摸索出最適合當下情況的操作準則。
對于MOBA玩家來說，如何拓寬自己的英雄池，練出足以拿到排位實戰中的熟練度，而不在練習過程中成為隊友口中的坑，一直是個難題。但在這個英雄訓練營里，玩家們就不必再有類似的負擔。
根據玩家水平不同，它會配置同水平的4個隊友和5個對手，讓玩家在最適合自己分段的對局里練習不熟練的英雄。除此以外，王者絕悟還有實現讓AI接管角色的操控權、第一視角觀摩AI操作的能力。
【游戲里的人機對手，正在幫助人工智能走入現實】如果只是觀看AI的操作，可能不會覺得有多厲害，但假若未來這樣的功能實裝到游戲當中，當玩家還能隨時和AI的身份對調，就能更清晰地明白某些決策的意義。原本“看上去也沒覺得多厲害，但就是打不過”的云玩家視角，也就變成了一個能用來提升熟練度、拓展英雄池的實用小伙伴。
而與此同時，對于人工智能行業來說，游戲如果只是AI的服務對象，那它們的聯系遠不會像今天這樣緊密。因為在用AI提升玩家英雄理解能力，拓展英雄池，進而提升游戲體驗的同時，游戲其實也是人工智能的天然訓練場。
2. 穿透信息迷霧的AI
對于AI產業來說，游戲同時也是AI實現更多目標的手段。
面對復雜的現實環境，AI眼前并沒有圍棋中非黑即白的規則，或者是一覽無余的一方棋盤。如何把海量信息間的規律總結提煉出來，在信息不對等的情況下做出決定，是AI投入許多領域都要面臨的問題。
可正好，游戲就具備類似的完美實驗環境。
游戲中的玩法規則，就是對許多復雜事物規律的總結和簡化；不對等信息下的博弈，也是多人游戲這么多年發展不斷玩出新花樣的賣點。就像沙盤推演之于真實的戰?。?蝸芬參狝I提供了匹配度極高的實操舞臺。
11月22日，Meta公司（原）旗下研究團隊推出的一個AI，就在經典戰略桌游《強權外交》上體會了一番復雜的訓練環境。
在這款模擬列強瓜分歐洲大陸的戰爭游戲里，7名玩家需要各自為戰，以吞下半個歐洲為目標努力。游戲雖然在桌游規則的概括下玩法稱不上太復雜，但游戲中還有個完全左右勝負的重要功能，那就是與玩家打字交流。如何合縱連橫，以口才發揮出自己有限兵力的最大優勢萬物互聯人工智能，是Meta團隊選擇這個游戲的最大原因。

文章插圖

文章插圖
在這些人與人與人工智能間的博弈里，玩家可以選擇公屏聊天，也可以選擇一對一私聊。所以除了要處理已知信息并推斷未知情報，還需要對謊言的存在做出合理判斷。
在最后的結果里，這個名為的AI經過訓練最終拿到了壓倒性的勝率。更為關鍵的是，很多人類玩家甚至最后都沒發現和自己有說有笑對局的對手，其實是個AI 。
人類在游戲對局中思路和語言的多變，對于AI來說無疑是需要更多理解成本的東西，特別是當信息不對等時，猜忌鏈就會讓問題進一步復雜化，不單單是“誰在第幾層”的問題。
同樣拿前面提到的“王者絕悟”為例，游戲里復雜的場景、多種英雄的組合和技能、策略的搭配，多方條件疊加產生的千萬種條件里，還要預判對方的操作和動向，復雜環境下進行高效決策的能力自然就能得到更快的訓練。
更重要的是，在這些條件下“己方規劃的完美執行”，也是只有高度數字化場景中才有的測試環境。
例如在一條車水馬龍的公路上，要驗證一種交通調度算法的合理性，需要上千輛汽車的配合。但是在人類駕駛員的操控下，想要分毫不差地完美執行幾乎是不可能的，但AI就能做到。
盡可能減小誤差、保證已知條件的不變，在越發復雜的條件構成中，就顯得愈加重要。也只有這樣，才能更高效地試探出那條正確的前進方向。
而當沙盤推演結束，AI從中學到的東西自然就能更快地運用到更多行業中去，那里等著AI的不只有多變的環境，還有AI間的同門對決。
3. 叩響現實門扉的AI
如果只是套用從圍棋這樣信息全透明的簡潔場景里學到的規則，那么留給AI施展的空間并不多。
因為在瞬息萬變的現實里，信息的產生和變化是無不時刻都在進行中，就像在一個人潮涌動的街角，每個人下一分鐘的具體位置都無法百分百確定。
特別是當越來越多領域的AI得到普及、“萬物互聯時代”到來后，AI之間更復雜的“多智能體協作/博弈”也會更為普遍。那么屆時在這個方向上，它也會成為未來AI邁入其他領域，以及如何實現橫跨多領域作業的重要課題。
在這一點上，強調多人合作的《王者榮耀》等游戲就正好有著用武之地。不僅游戲內AI指揮的多個英雄（智能體）間有著配合，雙方的AI也可以一較高下。
在今年早些時候落下帷幕的第二屆“騰訊開悟多智能體強化學習大賽”上，這場特殊電競比賽里的雙方選手就不用直接操控英雄，而是派出自己訓練出的AI出戰。最終來自清華大學的團隊從23支戰隊中脫穎而出，拿下了最終的冠軍。
比賽采用3v3長平攻防戰模式
這場比賽的實現，基于一個名為“開悟”的AI開放研究平臺。這個由騰訊AI Lab和王者榮耀團隊共同牽頭構建的平臺，基于MOBA游戲復雜的環境，為訓練決策智能AI 和研究多智能體博弈提供了一個比較理想的實驗環境。
當然最重要的是，它為用戶提供了用于讀取《王者榮耀》對應測試場景和控制英雄行為的數據接口，能讓其他研究者更便捷地測試自己的算法和模型。
這個平臺為這些參賽者提供了《王者榮耀》的運算核心邏輯，以及計算平臺、評估工具以及研究資源的綜合支持等服務。這讓參賽者們不需要做圖像識別等技術要求更繁瑣的處理，只需要具體的算法和多智能體之間的配合邏輯，才有了這樣一場形式特殊的《王者榮耀》高校賽。
對于這些旁觀者來說，或許目前這只是一場寓教于樂的AI實踐課，但對于這些高校學子們來說，這也可能會是他們驗證未來研究方向的重要契機。不少團隊都在賽后反饋，在賽事中他們收獲不少，還有團隊在比賽結束后繼續用開悟平臺進行研究。
雖說現在這只是幾個AI英雄間的互丟技能，但由此探索出的算法解決方案，或許是未來人工智能從數字場景走入現實各行各業的種子。
例如，股票AI如何量化計算每筆交易，在基于已有信息建立的模型下，還需要與其他股票AI的算法進行博弈；一場地震后分別負責不同救災功能的AI機器人，不僅要考慮自己的挖掘效率，還要配合其他AI實時提供的數據，統籌計算出廢墟的荷載能力避免次生災害發生萬物互聯人工智能，這些都是未來可能出現的AI應用場景，
工業、金融或是交通，如果有成熟的AI應用其中，多個AI之間的配合和競爭都是可以想見的。不論是多個組裝流水線上智能機器人的通力搭配，還是智慧交通系統里自動駕駛AI的安全和高效化，都有可能從這里起步。
就在兩周前的11月21日，“開悟”平臺還正式宣布擴大開放了“王者榮耀AI開放研究環境”的申請。這樣就能有更多研究者，用上這個高度復雜MOBA訓練環境，幫助加速強化學習領域內的交流，幫助AI走入現實。
不管是面向高校的“開悟大賽”，還是開悟平臺的開放服務，他們對國內人工智能行業的積極影響是可以肯定的。AI既在游戲的虛擬環境中獲得了養分，游戲也再一次證明了自己在娛樂功能外的不可替代。
我們越是讀懂游戲和人工智能密不可分的紐帶，就越想看到有一天它們之間的關系被淡忘。
因為那一天的到來，很可能就意味著AI已經完全走入了現實生活，與我們的方方面面都息息相關。而游戲終于也不用再一次次剖開自己證明，它在科技和社會發展中的重要意義，這個早已被玩家看清的事實。
本文到此結束，希望對大家有所幫助。

继夫的玩弄H辣文的小说|女人与拘性猛交视频|精品欧美高清不卡高清|一起做亏亏的事情的视频|啦啦啦在线视频观看|望月直播下载ios版本|国产日韩欧美一区二区三区

游戲里的人機對手，正在幫助人工智能走入現實