20+頂尖高校同時開打《王者榮耀》！實際上是一場科研battle，你能信？_風聞

　　金磊 假裝發自 王者峽谷

　　量子位 報道 | 公眾號 QbitAI

　　不是吧，不是吧。

　　一羣學霸聚集在一起，竟然是為了打《王者榮耀》？！

　　而且還是來自清北、中科院、浙大等20餘所頂級學府的那種。

　　但畢竟是一幫學霸們的“聚會”，果然連打遊戲的“姿勢”都那麼與眾不同：

　　他們竟然要用《王者榮耀》搞科研！

　　（妥妥的是有種諸葛亮“黃金分割率”的味道了。）

　　這到底是怎麼一回事？

　　在《王者榮耀》裏搞科研

　　要想搞清楚這件事，就需要先來顛覆一下你對《王者榮耀》的認知。

　　友友們，其實它不單單是一款遊戲那麼簡單：

　　還是一個極具科研價值的遊戲環境。

　　更準確來説，《王者榮耀》背後是一個AI 開放研究平台，它背靠騰訊各方面資源優勢，為學術研究和算法開發開放的研究與應用探索平台——

　　“開悟”。

　　但搞科研嘛，算法、算力、數據、場景，可以説是缺一不可。

　　於是“開悟”就放話了：

　　各路英雄豪傑，我這兒啥都有！

　　比如《王者榮耀》提供了遊戲測試環境、脱敏遊戲數據集，還有遊戲核心集羣等資源。

　　騰訊AI Lab則把搭建好的算法、計算平台、評估工具亮了出來；算力的支持則是由騰訊雲計算提供。

　　於是乎，來自各大頂尖高校的學霸們，就華山論劍般地匯聚於此。

　　至於各家高手們的“論劍之道”，就是在限定時間和資源內，訓練出最優模型，並把它部署到AI服務器當中。

　　在提交系統之後，學霸們就相當於“煉”出了他們各自的《王者榮耀》英雄。

　　這不，同樣是貂蟬，在修煉完不同“功法”後，便展開了一場激烈的博弈。

　　在1級狹路相逢之際，便來了個同歸於盡。

　　△ 注：動圖來自2021高校聯賽AI表演賽

　　雖説都只是智能體，但在這波battle中，她們很好地發揮了自身的基本功：

　　作戰中……

　　預測敵方走位……

　　已擊殺，陣亡……

　　每個基本功背後，都是智能體在“審時度勢”後的最佳決策。

　　而在雙方復活之後，策略之間的博弈就變得更加緊湊和激烈。

　　畢竟常言道：一招棋錯，滿盤皆輸

　　藍方貂蟬在入場發覺自己經濟較低，果斷選擇“發展我方經濟”。

　　但同時也沒有做到過分“猥瑣發育”，還是該出手時就出手——發起進攻、持續進攻。

　　△ 注：動圖來自2021高校聯賽AI表演賽

　　而在後期的決策博弈更是精彩：

　　戰略撤退、進攻防禦塔、返回基地、追擊地方……

　　很是有種人類玩家的感覺了。

　　不僅如此，智能體在緊張的戰鬥決策同時，還兼顧了出裝策略。

　　大家都知道，出完血書（血族之書）的貂蟬，戰鬥中的續航能力會得到大幅提升。

　　為此，藍方貂蟬第二個法術大件果斷選擇夢魘之牙，以此來剋制紅方貂蟬的回血。

　　△ 注：動圖來自2021高校聯賽AI表演賽

　　紅藍貂蟬在交手“八百回合”之後，終於迎來了“決戰紫禁之巔”的時刻。

　　在紅方水晶之下，兩位貂蟬紛紛喊出“花開了，怒放吧”開啓大招，完成最後的較量。

　　最終，以雙方紛紛倒地，由藍方小兵推倒紅方水晶結束戰鬥。

　　……

　　這就是學霸們在《王者榮耀》裏搞科研的結果展示。

　　而更具體一點來説，就是在特定的環境中，對多智能體之間的博弈展開研究，屬於強化學習領域範疇。

　　它的難點之一，就在於智能體的每一個決策與動作，都會對全局產生非常複雜的變化，是有種“牽一髮而動全身”的感覺了。

　　而在剛才的例子中，只是展示了學霸們在1V1場景中的科研成果，但其實他們還會有3V3的戰鬥。

　　這種場景對於智能體的挑戰就更高了，因為每個智能體僅能獲取局部的觀測信息，但無法得知其他“隊友”或“敵人”的信息。

　　這就對合作與競爭、完成特定任務背後的算法，提出了高難度的要求。

　　果然，學霸們打個遊戲都是如此燒腦

　　……

　　不過講真，如此“名場面”還真不是什麼新鮮事。

　　遊戲中搞科研，並不是第一次

　　其實剛才學霸們的“科研展示”，就是去年中科大和電子科大，在第一屆騰訊“開悟”AI大賽上演的一場決鬥。

　　這場比賽可以説是擴大了社會各界對**“AI+遊戲”**的認知。

　　但説實話，在遊戲裏搞科研這件事，國內外早就有所行動了。

　　例如早在2017年，OpenAI“修煉”的智能體，就單挑苦練了半輩子Dota的人類玩家Dendi，最終AI大獲全勝。

　　時隔一年（2018年），OpenAI再次派出OpenAI Five，以5V5模式對戰人類頂級陣容。

　　結果，又是以AI100%勝率告終比賽。

　　當時這樣的結果簡直是出乎觀眾的意料之外，就連馬斯克在比賽前被問及“誰會贏”，都非常自信地回覆到“人類”。

　　與此相關的技術論文也早就有所公佈。

　　而除了在Dota2這種5V5團隊競技類型遊戲外，“AI+遊戲”在其他類型的遊戲中也有所滲透。

　　例如DeepMind從2017年開始，也頻繁曝出在**《星際爭霸2》**這款遊戲中碾壓人類頂級玩家的消息。

　　DeepMind在這方面的科研研究——AlphaStar，其背後的相關技術論文，更是登上了頂刊Nature。

　　而在國內，對於“AI+遊戲”的科研也是如火如荼地進行中。

　　例如早在2018年開始，騰訊AI Lab便在《王者榮耀》中持續發力，並與遊戲團隊打造出了策略協作型AI**“王者絕悟”**。

　　要知道，類似於這樣的5V5 團隊競技遊戲，單是玩家的動作狀態空間便高達1020000。

　　這個數字遠遠大於圍棋及其他簡單遊戲，甚至超過整個宇宙的原子總數（1080）。

　　在這三年期間，騰訊AI Lab在與之相關的研究，更是頻頻登上了AAAI、NeurIPS 等 AI 頂級會議（相關鏈接附在文末，感興趣的讀者可深入研究）。

　　而就在前不久的世界人工智能大會中，“王者絕悟”更是以全英雄達到職業電競水平亮相。

　　在與人類頂級選手的較量中，更是以絕對的勝率驚豔四座。

　　值得一提的是，正是由於騰訊AI Lab在“AI+遊戲”領域的技術沉澱，才能夠在將其能力“打包”輸送給高校的學霸們，也就是我們剛才提到的“開悟”AI開放研究平台。

　　……

　　至此，或許你有一個大大的疑問：

　　在遊戲裏搞科學研究，對我們現實生活有什麼意義嗎？

　　直接上答案——有的！而且意義非凡。

　　遊戲，會是下一個AI里程碑的誕生地嗎？

　　是的，這就是業界目前普遍認同的一種看法：

　　下一個AI里程碑可能會在複雜策略遊戲中誕生。

　　這種説法並不是空穴來風。

　　首先，“AI+遊戲”所涉足的大領域，便是強化學習。

　　一般來説，強化學習是用於描述和解決智能體在與環境的交互過程中，通過學習策略以達成回報最大化或實現特定目標的問題。

　　而一些複雜的強化學習算法，更是在一定程度上具備瞭解決複雜問題的通用智能。

　　但要通過訓練，讓智能體“煉就”如此能力，正如我們剛才説到的，算法、數據、算力、場景，這四樣缺一不可。

　　尤其是場景和數據，需要夠複雜、夠具備不確定性，才能更好的貼近真實世界中人類決策時面對的環境。

　　遊戲場景，恰恰就是符合這些高要求的“陣地”。

　　因此，長遠來看，“AI+遊戲”研究將是攻克通用人工智能（AGI）的關鍵一步。

　　而之於現實意義，以近幾年大火的自動駕駛為例。

　　在這一領域中，隨着技術的不斷發展，自動駕駛逐步地從“感知層”向“決策層”過渡。

　　這是因為自動駕駛車輛在面臨突發、不確定性問題時，需要作出精準的決策，來避免意外的發生。

　　可以把一輛自動駕駛汽車想象為一個遊戲中的智能體，當它在現實生活中運行時，所要面對的問題複雜度之高，就不言而喻了。

　　這就離不開通過強化學習方法的大量訓練，讓自動駕駛這個“智能體”的應變能力，能夠無限接近甚至超越人類。

　　但要練就這身功夫，在真實生活場景中訓練定然是不現實的，而遊戲，就成了一個非常好的訓練場。

　　自動駕駛只是應用場景的案例之一，更多的還包括城市/空中交通管理、多機器人協調、能源分配等問題。

　　……

　　而騰訊AI Lab之所以打造“開悟”，也是基於上述情況的考量，不過他想要的做的卻更多：

　　推動多智能體強化學習的發展。

　　尤其是高校在這方面的研究，更是“硬性條件”上面臨着較為嚴峻的挑戰。

　　但開放“開悟”，僅僅是騰訊AI Lab為了完成這一目標的舉措之一。

　　據瞭解，開悟還攜手高校合作開發課程，進一步普及多智能體強化學習教育。

　　例如在今年8月，騰訊就宣佈與四所國內一流高校（北京大學、電子科技大學、清華大學、中國科學技術大學），共建教學內容和課程體系改革項目。

　　據悉，這些頂尖高校將分別構建一門至少20學時的多智能體及強化學習平台的專業課程，理論授課知識點包括但不限於機器學習、強化學習、多智能體決策等相關的知識點。

　　除此之外，騰訊“開悟”還聯合高校成立了人工智能科教聯盟，並攜手高校、科研院所、產業園區、投資機構組建人工智能科創聯合體。

　　正如《王者榮耀》執行製作人、騰訊天美L1總經理黃藍梟總結的那樣：

　　我們開放了《王者榮耀》核心機制，提供標準接口、核心算法、脱敏的測試數據、評估工具和計算集羣等，給高校老師和同學們進行多智能體的機器學習算法研究、學習成果交流，對算法成果反覆迭代升級。期待這些研究成果能夠落地其他產業環境，為工業機器人、救災機器人等提供助力。

　　……

　　讀到這裏，你想不想圍觀清北等高校的學霸們，如何不僅打了遊戲，還順便把科研也一塊搞了？

　　請繼續關注開悟平台及賽事動向。

　　傳送門

　　開悟官網地址：

　　https://aiarena.tencent.com/aiarena/zh/index

　　絕悟相關論文地址：

　　Mastering Complex Control in MOBA Games with Deep Reinforcement Learning：

　　https://arxiv.org/abs/1912.09729

　　Hierarchical Macro Strategy Model for MOBA Game AI：

　　https://arxiv.org/abs/1812.07887

　　Supervised Learning Achieves Human-Level Performance in MOBA Games: A Case Study of Honor of Kings：

　　https://arxiv.org/abs/2011.12582