让AI学会打王者，有什么用？

偷偷努力，悄无声息地变强，然后惊艳所有人！哈哈，小伙伴们又来学习啦~今天我将给大家介绍《让AI学会打王者，有什么用？》，这篇文章主要会讲到等等知识点，不知道大家对其都有多少了解，下面我们就一起来看一吧！当然，非常希望大家能多多评论，给出合理的建议，我们一起学习，一起进步！

11月28日，NeurIPS 2022正式开幕。

作为目前全球最负盛名的人工智能盛会之一，NeurIPS在每年年末都是计算机科学领域瞩目的焦点。被NeurIPS接收的论文，代表着当今神经科学和人工智能研究的最高水平，也反映着行业趋势的变化。

有趣的是，这届「参赛选手」们的研究似乎都对「游戏」情有独钟。

比如，李飞飞团队基于Minecraft游戏环境的MineDojo，就拿下了最佳数据集和基准论文奖。依托游戏的开放性，研究人员可以在MineDojo中通过各种类型的任务对智能体进行训练，从而让AI具有更加通用的能力。

而通过严苛的录取率，同样是在游戏领域收录的另一篇论文，可能跟很多游戏玩家都相关。

毕竟，谁没玩过王者呢。

论文《竞技场:竞争强化学习的泛化环境》

地址：https://openreview.net/pdf?id=7e6W6LEOBg3

文中，研究人员提出了一个基于MOBA游戏《王者荣耀》的测试环境。目的嘛，其实和MineDojo类似——训练AI。

为何MOBA类游戏环境被青睐？

自DeepMind推出AlphaGo开始，游戏作为拥有高自由度、高复杂性的拟真环境，早已成为了AI研究和实验的重要选择。

然而，相比于能够不断从开放式任务中学习的人类，在较低复杂度的游戏里训练出的智能体，并不能将自己的能力泛化到特定的任务之外。简单来说就是，这些AI只能下下棋，或者打打古早的雅达利游戏。

为了开发出能够更加「泛用」的AI，学界的研究重心也开始逐渐从棋盘类游戏转向了更复杂的游戏，包括非完美信息博弈游戏（比如扑克）以及策略类游戏（比如MOBA和RTS游戏）。

同时，正如李飞飞团队在获奖论文里所言，想要让智能体能够泛化到更多的任务之中，训练环境还需要能提供足够多的任务。

凭借着AlphaGo及其衍生版AlphaZero打遍围棋圈无敌手的DeepMind，很快也意识到了这一点。

2016年，DeepMind便联合暴雪，基于空间复杂度为10的1685次方的《星际争霸 II》，推出了「星际争霸 II 学习环境」（StarCraft II Learning Environment，SC2LE），为研究人员提供了智能体的行动和奖励规范，以及一个开源的Python界面，用于与游戏引擎进行通信。

而在国内也有一个资质极佳的「AI训练场」——

作为知名的MOBA游戏，玩家在《王者荣耀》中的动作状态空间高达10的20000次方，远远大于围棋及其他游戏，甚至超过整个宇宙的原子总数（10的80次方）。

和DeepMind一样，腾讯的AI Lab也联合《王者荣耀》，共同开发了更加适合进行AI研究的「王者荣耀AI开放研究环境」。

目前，「王者荣耀AI开放研究环境」包含了1v1对战环境与baseline算法模型，并支持20位英雄的镜像对战任务以及非镜像类对战任务。

具体来说，「王者荣耀AI开放研究环境」在只考虑双方英雄选择条件下，可以支持20×20=400对战子任务。如果算上召唤师技能，将会有40000种子任务。

为了让大家更好地理解智能体在「王者荣耀AI开放研究环境」中接受的泛化性挑战，我们可以利用论文中的两个测试，对其进行验证：

首先制作一个行为树AI（BT），其水平为入门级的「黄金」。与之相对的是就是由强化学习算法训练出来的智能体（RL）。

在第一个实验中，只让貂蝉（RL）和貂蝉（BT）进行对战，然后再拿训练好的RL（貂蝉）去挑战不同英雄（BT）。

经过98轮测试后的结果如下图所示：

当对手英雄发生变化时，同一训练的策略的性能急剧下降。因为对手英雄的变化使测试环境与训练环境不同，因此现有方法学到的策略缺乏泛化性。

图1  跨对手的泛化挑战

在第二个实验中，依然只让貂蝉（RL）和貂蝉（BT）进行对战，然后拿训练好的RL模型控制其他英雄去挑战貂蝉（BT）。

经过98轮测试后的结果如下图所示：

当模型控制的目标从貂蝉变成其他英雄时，相同的训练策略的性能急剧下降。因为目标英雄的变化使行动的意义与训练环境中貂蝉的行动不同。

图2 跨目标的泛化挑战

造成这个结果的原因很简单，每个英雄本身都有自己独特的操作技巧，经过单一训练的智能体在拿到新的英雄之后，并不知道如何使用，就只能两眼一抹黑了。

人类玩家也是类似，能在中路「乱杀」的选手，换了打野之后，也未必能打出不错的KDA。

不难看出，这其实就回到了我们一开始提出的问题，简单的环境难以训练出「通用」的AI。而复杂度高的MOBA类游戏，正好提供了一个便于测试模型泛化性的环境。

当然，游戏并不能直接拿来训练AI，于是经过特别优化的「训练场」应运而生。

由此，研究人员就可以在诸如「星际争霸 II 学习环境」和「王者荣耀AI开放研究环境」中，测试和训练自己的模型了。

国内研究人员如何接入合适的平台资源？

DeepMind的发展，离不开实力雄厚的谷歌托底。李飞飞团队提出的MineDojo，不仅用上了斯坦福这个顶级名校的资源，还有来自英伟达的大力支持。

而国内现阶段的人工智能行业在基础设施层面仍然不够扎实，尤其对于普通公司和高校来说，正面临着研发资源短缺的问题。

为了让更多研究者参与进来，腾讯于今年11月21日正式将「王者荣耀AI开放研究环境」面向大众开放。

用户只需在开悟平台官网注册账号、提交资料并通过平台审核，即可免费下载。

网站链接：https://aiarena.tencent.com/aiarena/zh/open-gamecore

值得一提的是，为了更好地支持学者和算法开发者进行研究，开悟平台不仅对「王者荣耀AI开放研究环境」进行了易用性封装，还提供标准代码与训练框架。

接下来，我们就来「浅浅」地体验一下，如何在开悟平台开始一个AI训练项目吧！

既然要让AI「玩」《王者荣耀》，那么我们要做的第一件事就是，把用来操控英雄的「智能体」做出来。

听起来好像有些复杂？不过，在「王者荣耀AI开放研究环境」中，这其实非常简单。

首先，启动gamecore服务器：

cd gamecoregamecore-server.exe server --server-address :23432

安装hok_env包：

git clone https://github.com/tencent-ailab/hok_env.gitcd hok_env/hok_env/pip install -e .

并运行测试脚本：

cd hok_env/hok_env/hok/unit_test/python test_env.py

现在，就可以导入hok，并调用 hok.HoK1v1.load_game创建环境了：

import hok
env = HoK1v1.load_game(runtime_id=0, game_log_path="./game_log", gamecore_path="~/.hok", config_path="config.dat",config_dicts=[{"hero":"diaochan", "skill":"rage"} for _ in range(2)])

紧接着，我们通过重置环境从智能体那里获得我们的第一个观察结果：

obs, reward, done, infos = env.reset()

obs是一个NumPy数组的列表，描述了代理对环境的观察。

reward是一个浮点标量的列表，描述了从环境中获得的即时奖励。

done是一个布尔列表，描述了游戏的状态。

infos变量是一个字典的元组，其长度为智能体的数量。

然后在环境中执行操作，直到时间用完或者智能体被干掉。

此处，只需采用env.step方法即可。

done = False
while not done:
action = env.get_random_action()
obs, reward, done, state = env.step(action)

和「星际争霸 II 学习环境」一样，在「王者荣耀AI开放研究环境」中同样可以利用可视化工具来查看智能体的回放。

至此，你的第一个智能体就已经创建完毕。

接下来，就可以拉着「她/他」去进行各种各样的训练了！

说到这，想必大家也不难发现，「王者荣耀AI开放研究环境」并不只是单纯地抛出来一个可以训练AI的环境，而是通过熟悉的操作和丰富的文档，使整个流程都变得简单易懂。

如此一来，也就让更多有志于进入AI领域的人轻松上手了。

游戏+AI，还有哪些可能？

看到这，其实还有一个问题没有回答——腾讯开悟平台作为一个由企业主导的研究平台，为何要选择大范围开放？

今年8月，成都市人工智能产业生态联盟联合智库雨前顾问，共同发布了全国首个游戏AI报告。从报告中不难看出，游戏是促进人工智能发展的关键点之一，具体来说，游戏可以从三个方面提升AI的落地应用。

首先，游戏是AI极佳的训练测试场。

• 迭代快速：游戏可以随便交互、随便试错，没有任何真实成本，同时存在明显的奖励机制，能让算法的有效性充分训练展现出来。
• 任务丰富：游戏种类繁多，难度和复杂性也很多样，人工智能必须采用复杂的策略来应对，攻克不同类型的游戏反映了算法水平的提升。
• 成败标准清晰：通过游戏得分标定人工智能的能力，便于进一步对人工智能进行优化。

其次，游戏能够训练AI的不同能力，牵引不同应用。

比如，棋类游戏训练AI序列决策，获得长线推演能力；牌类游戏训练AI动态自适应，获得随机应变能力；即时战略游戏训练了AI的机器记忆能力、长期规划能力、多智能体协作能力、动作连贯性。

另外，游戏还能打破环境制约，推动决策智能落地。

比如，游戏可以推动虚拟仿真实时渲染和虚拟仿真信息同步，升级虚拟仿真交互终端。

而开悟平台依托腾讯AI Lab和王者荣耀在算法、算力、复杂场景等方面的优势，开放之后，可以为游戏与AI发展之间搭建一座有效合作的桥梁，链接高校学科建设、竞赛组织、行业人才孵化。当人才储备足够了，科研的进步和商业应用的落地都将如雨后春笋般冒头。

过去两年，开悟平台在产学研领域的布局举措就很多：举办了「开悟多智能体强化学习大赛」，引来包括清北这样的TOP2名校在内的一片顶尖高校团队参加；组建了高校科教联合体，北大信息科学技术学院爆火的选修课《游戏AI中的算法》，课后作业便是用王者荣耀1V1的环境做实验……

展望未来，可以期待：借助「开悟」平台走出去的这些人才，将辐射到AI产业的各个领域，实现平台上下游生态的全面开花。

以上就是《让AI学会打王者，有什么用？》的详细内容，更多关于AI,游戏,扑克的资料请关注golang学习网公众号！