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。

一群學霸聚集在一起，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》裡搞科研

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。

更準確來說，《王者榮耀》背後是一個

 AI 開放研究平臺

，它背靠騰訊各方面資源優勢，為學術研究和演算法開發開放的研究與應用探索平臺——

“開悟”

。

但搞科研嘛，演算法、算力、資料、場景，可以說是缺一不可。

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、脫敏遊戲資料集，還有遊戲核心叢集等資源。

騰訊AI Lab

則把搭建好的演算法、計算平臺、評估工具亮了出來；算力的支援則是由

 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伺服器當中。

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

雖說都只是

 智慧體

，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，都是智慧體在“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。

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，智慧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。

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”開啟大招，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》裡搞科研的結果展示。

而更具體一點來說，就是在特定的環境中，對多智慧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，就在於智慧體的每一個決策與動作，都會對全域性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。

這種場景對於智慧體的挑戰就更高了，因為每個智慧體僅能獲取區域性的觀測資訊，但無法得知其他“隊友”或“敵人”的資訊。

這就對合作與競爭、完成特定任務背後的演算法，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。

這場比賽可以說是擴大了社會各界對

 “AI+遊戲”

的認知。

但說實話，在遊戲裡搞科研這件事，國內外早就有所行動了。

例如早在2017年，OpenAI“修煉”的智慧體，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AI

 100%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團隊競技型別遊戲外，“AI+遊戲”在其他型別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訊息。

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 （相關連結附在文末，感興趣的讀者可深入研究） 。

而就在前不久的世界人工智慧大會中，“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開放研究平臺。

至此，或許你有一個大大的疑問：

在遊戲裡搞科學研究，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。

這種說法並不是空穴來風。

首先，“AI+遊戲”所涉足的大領域，便是

 強化學習

。

一般來說，強化學習是用於描述和解決智慧體在與環境的互動過程中，透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演算法，更是在一定程度上具備瞭解決複雜問題的通用智慧。

但要透過訓練，讓智慧體“煉就”如此能力，正如我們剛才說到的，演算法、資料、算力、場景，這四樣缺一不可。

尤其是場景和資料，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慧 （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，隨著技術的不斷髮展，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慧體，當它在現實生活中執行時，所要面對的問題複雜度之高，就不言而喻了。

這就離不開透過強化學習方法的大量訓練，讓自動駕駛這個“智慧體”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：

 推動多智慧體強化學習的發展。

尤其是高校在這方面的研究，更是“硬性條件”上面臨著較為嚴峻的挑戰。

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，進一步普及多智慧體強化學習教育。

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專案。

據悉，這些頂尖高校將分別構建一門至少20學時的多智慧體及強化學習平臺的專業課程，理論授課知識點包括但不限於機器學習、強化學習、多智慧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

 人工智慧科教聯盟

，並攜手高校、科研院所、產業園區、投資機構組建人工智慧科創聯合體。

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，提供標準介面、核心演算法、脫敏的測試資料、評估工具和計算叢集等，給高校老師和同學們進行多智慧體的機器學習演算法研究、學習成果交流，對演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。

讀到這裡，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？

請繼續關注開悟平臺及賽事動向。

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

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態