11月28日，NeurIPS 2022正式開幕。

作為目前全球最負盛名的人工智能盛會之一，NeurIPS在每年年末都是計算機科學領域矚目的焦點。被NeurIPS接收的論文，代表著當今神經(jīng)科學和人工智能研究的最高水平，也反映著行業(yè)趨勢的變化。

有趣的是，這屆「參賽選手」們的研究似乎都對「游戲」情有獨鐘。

比如，李飛飛團隊基于Minecraft游戲環(huán)境的MineDojo，就拿下了最佳數(shù)據(jù)集和基準論文獎。依托游戲的開放性，研究人員可以在MineDojo中通過各種類型的任務對智能體進行訓練，從而讓AI具有更加通用的能力。

而通過嚴苛的錄取率，同樣是在游戲領域收錄的另一篇論文，可能跟很多游戲玩家都相關。

畢竟，誰沒玩過王者呢。

論文《<王者榮耀>競技場:競爭強化學習的泛化環(huán)境》

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

文中，研究人員提出了一個基于MOBA游戲《王者榮耀》的測試環(huán)境。目的嘛，其實和MineDojo類似——訓練AI。

為何MOBA類游戲環(huán)境被青睞？

自DeepMind推出AlphaGo開始，游戲作為擁有高自由度、高復雜性的擬真環(huán)境，早已成為了AI研究和實驗的重要選擇。

然而，相比于能夠不斷從開放式任務中學習的人類，在較低復雜度的游戲里訓練出的智能體，并不能將自己的能力泛化到特定的任務之外。簡單來說就是，這些AI只能下下棋，或者打打古早的雅達利游戲。

為了開發(fā)出能夠更加「泛用」的AI，學界的研究重心也開始逐漸從棋盤類游戲轉向了更復雜的游戲，包括非完美信息博弈游戲（比如撲克）以及策略類游戲（比如MOBA和RTS游戲）。

同時，正如李飛飛團隊在獲獎論文里所言，想要讓智能體能夠泛化到更多的任務之中，訓練環(huán)境還需要能提供足夠多的任務。

憑借著AlphaGo及其衍生版AlphaZero打遍圍棋圈無敵手的DeepMind，很快也意識到了這一點。

2016年，DeepMind便聯(lián)合暴雪，基于空間復雜度為10的1685次方的《星際爭霸 II》，推出了「星際爭霸 II 學習環(huán)境」（StarCraft II Learning Environment，SC2LE），為研究人員提供了智能體的行動和獎勵規(guī)范，以及一個開源的Python界面，用于與游戲引擎進行通信。

而在國內(nèi)也有一個資質極佳的「AI訓練場」——

作為知名的MOBA游戲，玩家在《王者榮耀》中的動作狀態(tài)空間高達10的20000次方，遠遠大于圍棋及其他游戲，甚至超過整個宇宙的原子總數(shù)（10的80次方）。

和DeepMind一樣，騰訊的AI Lab也聯(lián)合《王者榮耀》，共同開發(fā)了更加適合進行AI研究的「王者榮耀AI開放研究環(huán)境」。

目前，「王者榮耀AI開放研究環(huán)境」包含了1v1對戰(zhàn)環(huán)境與baseline算法模型，并支持20位英雄的鏡像對戰(zhàn)任務以及非鏡像類對戰(zhàn)任務。

具體來說，「王者榮耀AI開放研究環(huán)境」在只考慮雙方英雄選擇條件下，可以支持20×20=400對戰(zhàn)子任務。如果算上召喚師技能，將會有40000種子任務。

為了讓大家更好地理解智能體在「王者榮耀AI開放研究環(huán)境」中接受的泛化性挑戰(zhàn)，我們可以利用論文中的兩個測試，對其進行驗證：

首先制作一個行為樹AI（BT），其水平為入門級的「黃金」。與之相對的是就是由強化學習算法訓練出來的智能體（RL）。

在第一個實驗中，只讓貂蟬（RL）和貂蟬（BT）進行對戰(zhàn)，然后再拿訓練好的RL（貂蟬）去挑戰(zhàn)不同英雄（BT）。

經(jīng)過98輪測試后的結果如下圖所示：

當對手英雄發(fā)生變化時，同一訓練的策略的性能急劇下降。因為對手英雄的變化使測試環(huán)境與訓練環(huán)境不同，因此現(xiàn)有方法學到的策略缺乏泛化性。

圖1  跨對手的泛化挑戰(zhàn)

在第二個實驗中，依然只讓貂蟬（RL）和貂蟬（BT）進行對戰(zhàn)，然后拿訓練好的RL模型控制其他英雄去挑戰(zhàn)貂蟬（BT）。

經(jīng)過98輪測試后的結果如下圖所示：

當模型控制的目標從貂蟬變成其他英雄時，相同的訓練策略的性能急劇下降。因為目標英雄的變化使行動的意義與訓練環(huán)境中貂蟬的行動不同。

圖2 跨目標的泛化挑戰(zhàn)

造成這個結果的原因很簡單，每個英雄本身都有自己獨特的操作技巧，經(jīng)過單一訓練的智能體在拿到新的英雄之后，并不知道如何使用，就只能兩眼一抹黑了。

人類玩家也是類似，能在中路「亂殺」的選手，換了打野之后，也未必能打出不錯的KDA。

不難看出，這其實就回到了我們一開始提出的問題，簡單的環(huán)境難以訓練出「通用」的AI。而復雜度高的MOBA類游戲，正好提供了一個便于測試模型泛化性的環(huán)境。

當然，游戲并不能直接拿來訓練AI，于是經(jīng)過特別優(yōu)化的「訓練場」應運而生。

由此，研究人員就可以在諸如「星際爭霸 II 學習環(huán)境」和「王者榮耀AI開放研究環(huán)境」中，測試和訓練自己的模型了。

國內(nèi)研究人員如何接入合適的平臺資源？

DeepMind的發(fā)展，離不開實力雄厚的谷歌托底。李飛飛團隊提出的MineDojo，不僅用上了斯坦福這個頂級名校的資源，還有來自英偉達的大力支持。

而國內(nèi)現(xiàn)階段的人工智能行業(yè)在基礎設施層面仍然不夠扎實，尤其對于普通公司和高校來說，正面臨著研發(fā)資源短缺的問題。

為了讓更多研究者參與進來，騰訊于今年11月21日正式將「王者榮耀AI開放研究環(huán)境」面向大眾開放。

用戶只需在開悟平臺官網(wǎng)注冊賬號、提交資料并通過平臺審核，即可免費下載。

網(wǎng)站鏈接：https://aiarena.tencent.com/aiarena/zh/open-gamecore

值得一提的是，為了更好地支持學者和算法開發(fā)者進行研究，開悟平臺不僅對「王者榮耀AI開放研究環(huán)境」進行了易用性封裝，還提供標準代碼與訓練框架。

接下來，我們就來「淺淺」地體驗一下，如何在開悟平臺開始一個AI訓練項目吧！

既然要讓AI「玩」《王者榮耀》，那么我們要做的第一件事就是，把用來操控英雄的「智能體」做出來。

聽起來好像有些復雜？不過，在「王者榮耀AI開放研究環(huán)境」中，這其實非常簡單。

首先，啟動gamecore服務器：

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

安裝hok_env包：

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

并運行測試腳本：

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

現(xiàn)在，就可以導入hok，并調(diào)用 hok.HoK1v1.load_game創(chuàng)建環(huán)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)])

緊接著，我們通過重置環(huán)境從智能體那里獲得我們的第一個觀察結果：

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

obs是一個NumPy數(shù)組的列表，描述了代理對環(huán)境的觀察。

reward是一個浮點標量的列表，描述了從環(huán)境中獲得的即時獎勵。

done是一個布爾列表，描述了游戲的狀態(tài)。

infos變量是一個字典的元組，其長度為智能體的數(shù)量。

然后在環(huán)境中執(zhí)行操作，直到時間用完或者智能體被干掉。

此處，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「星際爭霸 II 學習環(huán)境」一樣，在「王者榮耀AI開放研究環(huán)境」中同樣可以利用可視化工具來查看智能體的回放。

至此，你的第一個智能體就已經(jīng)創(chuàng)建完畢。

接下來，就可以拉著「她/他」去進行各種各樣的訓練了！

說到這，想必大家也不難發(fā)現(xiàn)，「王者榮耀AI開放研究環(huán)境」并不只是單純地拋出來一個可以訓練AI的環(huán)境，而是通過熟悉的操作和豐富的文檔，使整個流程都變得簡單易懂。

如此一來，也就讓更多有志于進入AI領域的人輕松上手了。

游戲+AI，還有哪些可能？

看到這，其實還有一個問題沒有回答——騰訊開悟平臺作為一個由企業(yè)主導的研究平臺，為何要選擇大范圍開放？

今年8月，成都市人工智能產(chǎn)業(yè)生態(tài)聯(lián)盟聯(lián)合智庫雨前顧問，共同發(fā)布了全國首個游戲AI報告。從報告中不難看出，游戲是促進人工智能發(fā)展的關鍵點之一，具體來說，游戲可以從三個方面提升AI的落地應用。

首先，游戲是AI極佳的訓練測試場。

• 迭代快速：游戲可以隨便交互、隨便試錯，沒有任何真實成本，同時存在明顯的獎勵機制，能讓算法的有效性充分訓練展現(xiàn)出來。
• 任務豐富：游戲種類繁多，難度和復雜性也很多樣，人工智能必須采用復雜的策略來應對，攻克不同類型的游戲反映了算法水平的提升。
• 成敗標準清晰：通過游戲得分標定人工智能的能力，便于進一步對人工智能進行優(yōu)化。

其次，游戲能夠訓練AI的不同能力，牽引不同應用。

比如，棋類游戲訓練AI序列決策，獲得長線推演能力；牌類游戲訓練AI動態(tài)自適應，獲得隨機應變能力；即時戰(zhàn)略游戲訓練了AI的機器記憶能力、長期規(guī)劃能力、多智能體協(xié)作能力、動作連貫性。

另外，游戲還能打破環(huán)境制約，推動決策智能落地。

比如，游戲可以推動虛擬仿真實時渲染和虛擬仿真信息同步，升級虛擬仿真交互終端。

而開悟平臺依托騰訊AI Lab和王者榮耀在算法、算力、復雜場景等方面的優(yōu)勢，開放之后，可以為游戲與AI發(fā)展之間搭建一座有效合作的橋梁，鏈接高校學科建設、競賽組織、行業(yè)人才孵化。當人才儲備足夠了，科研的進步和商業(yè)應用的落地都將如雨后春筍般冒頭。

過去兩年，開悟平臺在產(chǎn)學研領域的布局舉措就很多：舉辦了「開悟多智能體強化學習大賽」，引來包括清北這樣的TOP2名校在內(nèi)的一片頂尖高校團隊參加；組建了高?？平搪?lián)合體，北大信息科學技術學院爆火的選修課《游戲AI中的算法》，課后作業(yè)便是用王者榮耀1V1的環(huán)境做實驗……

展望未來，可以期待：借助「開悟」平臺走出去的這些人才，將輻射到AI產(chǎn)業(yè)的各個領域，實現(xiàn)平臺上下游生態(tài)的全面開花。