推薦導語：遊戲和人工智能的結合，將會讓人們進一步更新對遊戲的認識。它也同時意味着更多輻射現實的可能，AI在程序里的一小步，可能會成為現實中的一大步。
沒有哪一場遊戲比賽的決賽能這般安靜。選手們沒有一句交流，只是默默觀看，記錄。兩個小時後，主辦方宣布，上場對弈結束，清華大學計算機系的學生們從23支參賽隊伍中脫穎而出。
但準確地說，對戰的選手不是這些學生——他們甚至沒在屏幕前做任何操作。真正在操作遊戲角色的，是學生們訓練了上百萬次的AI。
此前的90天，這些來自國內頂尖高校的青年極客利用「開悟」AI開放研究平台的算法、算力等資源，訓練出可以操作王者榮耀的AI，不停對戰，角逐最後的冠軍。
《王者榮耀》AI測試試驗場
比賽的準確名字叫「開悟多智能體強化學習大賽」，已是第二次舉辦。比起結果，不論是主辦方還是參賽者，都更看重比賽的過程。他們的目的是「以賽代研」：對戰，迭代，以研發出更好更強的AI智能體。
此次比賽是基於王者榮耀這個載體。這款遊戲重協作，複雜度極高，在5V5對局中，玩家的動作狀態空間高達10的20000次方，甚至超過整個宇宙的原子總數（10的80次方）。它是訓練多智能體算法的天然試驗田。
多智能體算法是人工智能的前沿領域。以往，因為研究場景稀缺、算法測試困難、算力昂貴等問題，高校AI研究的試驗田一直受限。為了拓寬它邊界，推動人工智能研究的發展，今年，開悟平台還與19所大學合作開發了創新課程，向更多的AI研究者和專業學生開放。
AI對抗AI
在訓練AI打王者榮耀和自己玩這兩件事上，冠軍隊隊長陳華玉有着截然不同的勝負欲。課餘放鬆自己打兩局，輸了贏了他都不在意。但要論培育AI去取得更好成績，他是「雞娃」最狠的選手之一。
選手們把AI比作孩子，一開始，它初生，像張白紙，什麼也不會，在人的不斷訓練下，逐漸進化出各種能力。初賽中，陳華玉和隊友就讓自己的AI和主辦方提供的基線AI進行了4萬多場對戰，更新了上百個模型。他們決賽的對手，電子科技大學「雞娃」更狠，對戰了6萬多場。
電子科大的同學正在進行AI代碼編寫
和人類玩家一樣，AI要通過反覆的訓練和對戰來學習。人類訓練的是技戰術熟練度，而AI則要在海量的嘗試中，通過行為反饋優化自身策略。
90天的訓練中，陳華玉的好勝心得到的最大滿足，是AI學會「蹲草叢」的那一刻。即使目前它還蹲得不夠徹底，只是在路過草叢時多停留了幾秒。「蹲草叢」是人類玩家在遊戲中隱藏蹤跡的誘敵行為，很簡單，但AI不是天生就會。它能學會，看起來具備了一絲「靈性」，也說明它變得足夠聰明——在上萬次的訓練中，它學習到了蹲草叢能給予它視野、先手等優勢，從而提升勝率。
AI學習人的這一小步，被他們看成是人工智能的一大步。一個簡單的蹲草叢動作，也許需要模型，背後涉及的宏觀戰略決策與微觀數值計算能力，往往需要消耗大量的精力來驗證測試。
訓練AI的樂趣在於未知。「機器強化學習是一種類似於黑盒的訓練。作為研究者很難明確知道是算法何處不足導致出現問題。」這就使得學生們訓練的AI「既強又弱」。一方面，它們做決策迅速又準確，結束一局比賽比普通玩家更迅疾；另一面，遊戲角色可能仍會傻傻地撞牆。而當它訓練了上百小時學習某種能力時，也會發生某項能力突然急速下降，甚至崩解的情況。
陳華玉一直不知道怎麼解決這個問題。直到賽後，他聽到電子科技大學團隊的分享，得到了不少啟發。對方分享了一套能把智能體的學習過程穩定下來的方法。
陳華玉很佩服這個對手。決賽一度很膠着，他們最終僅以幾分的微弱優勢險勝。膠着說明兩個AI能力已經不相上下，能贏只是概率問題。「我們只是底子比較厚，勉強撐住了。」他招攬了一批厲害的同學，短長互補，使他們的算法更容易讓AI從大數據中學習，比起其他隊伍對數據的使用效率更高。
「這個比賽的意義不在於名次高低。」電子科技大學隊的指導老師謝寧認為，開悟比賽最重要的價值，是讓學生知道原來AI可以達到這樣的能力。它的底層技術是強化學習，在同等訓練資源下，算法模型設計越優秀，能夠訓練出的AI決策智能就越強大，學生們在比賽中充分訓練了強化學習、神經網絡算法等方面的科研能力。
大學裏的新課
得知「開悟」計劃和19所高校合作開課免費開放技術研究資源時，很多老師和謝寧一樣第一時間響應。對於他們，一款將場景、算力、算法有效聯通的人工智能研究平台，是一場及時雨。
算法、場景、算力是AI研究的核心，其中算法研究是很多高校的主攻領域。但因為算力受限，圍繞大規模計算與業務場景展開的研究，常常束手縛腳。「『開悟』是獨一份的。國內外都沒有其他企業有類似的開源，會分享算力資源。」陳華玉算了一筆賬，如果要在自己的實驗室里訓練王者AI，他得把那裡的四五十台電腦的算力都彙集起來。
學生利用開悟平台進行AI研究
以往學生們要訓練多智能體AI，有條件的會到開源平台上下載遊戲資源，自己編寫程序練習，但願意開源的遊戲場景複雜度一般很低。老師們布置作業，也只能布置算力最低、難度最小的作業。這是為了教學公平。學生們經濟水平不同，購置的電腦硬件條件不一。
謝寧為本科生開設的王者AI選修課將在下學期開課，選課時有200個學生一股腦湧來，熱度非凡。他只能布置了一道課程設計的報告題，從200個學生中遴選出36人。
一些參加過開悟比賽的選手也自覺變成課程進入高校的紐帶。在導師的「遊戲AI中的算法」選修課中，北大博士生魯雲龍負責指導王者AI部分的助教。
王者AI的相關作業在這門課程里佔分數比最大，這些00後學生也表現出了很大的興趣。這款流行遊戲伴隨着這一代人長大，能將學到的算法訓練打遊戲的AI，是新鮮的體驗。
在指導學生們的兩個月里，魯雲龍把在比賽中學到的建立模型、訓練AI的經驗都教給他們。學生們的表現讓他驚喜。在提交的作業中，他發現有學生訓練的AI和騰訊基線AI的level4對抗，打贏的概率已經達到了五五開。這意味着如果這個學生參與當年那屆比賽，已經能達到斬獲名次的水平。
王者AI進入大學校園，也給魯雲龍這樣的青年學者帶來了信心。課程的升級讓他更堅定，自己所研究的強化學習的算法足以用在更複雜的遊戲環境中。以前受限於算力不足，不能將自己一手打造的智能體應用到複雜的遊戲訓練，水平究竟幾何難以驗證。但現在，他少了很多迷茫。
謝寧也覺察到了變化。他的課題組把王者AI當成了日常科研項目後，研究生們的興趣明顯升高了。以前，他們接觸不到算力，沒有直接的實感，而在如今「開悟」開放的「窗口期」，即使是周末和期末，他們也會抓緊訓練和實驗，來驗證自己的技術理論。
「學生對遊戲的認識比我們更成熟。」他有時想，這種親近感或許是天生的，刻在一代人的基因中。有學生告訴謝寧，自己的父母就是遊戲中相識。謝寧很鼓勵學生參加開悟比賽。他的學生們主動傳幫帶，第一屆參加的學生將自己的代碼筆記分享給師弟師妹。未來的課程中，他則希望更強調實戰——舉行王者AI比賽校園賽或許是個好主意，「以賽代研」，能產出更多實打實的結果。
把遊戲變成科學試驗場
負責王者AI應用拓展項目後，王者AI應用拓展負責人老劉的日程表上，多了很多大學老師在乾的事兒。他和老師們一起備課，討論怎麼分解知識點，把王者AI里工程化應用的知識講得讓本科生能聽懂。平時他也要讀很多論文，更新人工智能的知識體系，將多智能學習的新興技術體現在「開悟」平台里，讓學生能在平時的作業、考試環節，落地整體的人工智能。
一開始，高校算力的局促着實讓他吃驚。學生電腦的CPU只有16核，GPU只有32核，還多是windows系統，根本不能支持開悟平台運轉。項目團隊因此發動了25個程序員，設計了實驗平台客戶端，讓學生們能更加高效地學習。
「在人工智能的趨勢發展中提供一些幫助，讓學生學習的效率更高一些，老師的知識傳達效率更高一點，也讓學生在未來工作中做類似的工程化應用時，少走一些彎路。」每次學生們喊他「劉老師」，都讓老劉覺得這份工作又創造了一點價值。人工智能模型的研究和訓練，往往需要無數次的迭代和試錯。小步快走的積累，才能引發質變。開悟比賽和課程，一步步探索，都是為了完善AI人才培養體系。當越來越多科技青年參與AI創新，人工智能的發展浪潮中才會不斷湧現創新者和引領者。
謝寧的研究團隊目前正在研究如何用開悟平台模擬火災疏散等場景，嘗試解決應急系統和社會治理領域的一些新問題。在他看來，「這意味着遊戲對其他行業的賦能」。遊戲與AI的結合，在未來將有廣闊的前景。如果AI能在王者榮耀的複雜遊戲環境模擬激烈對抗，像人一樣學會決策，那麼其中大規模協同的算法，也可以遷移到多變、複雜的真實環境中。
這也是開悟項目的初衷。他們希望可以聯動高校利用王者榮耀的複雜環境，將遊戲變成科學試驗場，推動用人工智能創造各種可能性。他們和西南交通大學的智慧交通的合作即將開啟。未來，在王者榮耀的虛擬環境中，「英雄」將被模擬賦予交通燈般的角色。經過一系列複雜程序的轉化，他們的紅黃綠燈就是「一二三技能」，可以用於實驗什麼時候「放技能」能讓交通效率最優。
未來，王者峽谷里還將出現更多類似的現實模擬場景，覆蓋醫療、工業、農業、交通等行業。魯雲龍設想在未來的研究中讓「英雄」模擬自動駕駛。在虛擬環境里試錯，訓練平穩不出事故的智能體，把中間產生的算法運用到實際中，「給其他領域提供低成本試錯的場所」。
「我們其實是在遊戲中研究這個世界的運轉規律。」騰訊AI Lab「開悟」平台技術總監超哥認為，多人競技對抗類遊戲遊戲環境中還有大量仍待攻克的難題，只有讓更多有興趣的高校和學者參與進來，共同探討和研究這些難題，整個產學研共同體才可以再往前進一步。
在AI學界，開悟平台的影響力不斷在擴大。第一屆比賽後，海外高校陸續有學生報名參加。謝寧希望有越來越多的人知曉它。遊戲和人工智能的結合，將會讓人們進一步更新對遊戲的認識。它也同時意味着更多輻射現實的可能，謝寧感到，那些在遊戲峽谷中活躍着的角色由此被賦予了更現實的「意義」。而AI在程序里的一小步，可能會成為現實中的一大步。
文章來源：光明網《讓AI學會遊戲，高校科研的新戰場》
轉載開白請聯繫：jhm9 9 9 9 9 8
行業交流/爆料/商務合作/投稿：添加微信zhizuen9 5
