真誠推薦你關注2021世界人工智能大會走到了第四年，給人最明顯的感受就是AI已經慢慢從酷炫的概念，逐漸被應用到了更多的場景中?；行斡跓o形，潤物細無聲，不知不覺中人們與AI的交集已經越來越多。
不過，就如馬化騰在開幕式中提到的“對AI的未知仍然大于已知”，在考慮到未來“通用AI”成熟后面臨的道德搖擺問題之前，可能先要去解決的是路徑上的技術難題。而在這次的AI大會上，騰訊帶來的策略協作型AI王者絕悟，也許能夠成為未來通用AI探索之路上的一個“急先鋒”。
王者絕悟的“武林高手”晉升之路
王者絕悟，實際上是王者榮耀與騰訊AI Lab在游戲場景下研究的成果。
用通俗一點的話來理解“策略協作型AI”，“策略”指的是AI能夠通過獲取到的信息，分析局勢優(yōu)化策略，做出更有利于獲勝的行為；“協作”指的是操作不同英雄的多個智能體能夠互相配合，協同推進博弈。
一旦明白了所謂的“策略協作型AI”的定義，也許就能理解為什么在8日下午的“職業(yè)人氣選手 VS 王者絕悟”表演賽上，王者絕悟能夠表現如此出色 —— 團戰(zhàn)越塔收割，完美撤退；以一敵眾，掩護隊友撤退，穩(wěn)固優(yōu)勢等等。
有趣的是，王者絕悟并非一開始就這么“聰明”。事實上，回顧它的發(fā)展歷程，特別像經典武俠小說里，一個武林高手的成長故事。
在18年面世的時候，王者絕悟通過監(jiān)督學習，模擬了職業(yè)選手的操作，達到了頂尖業(yè)余水平。19年，它開始往深度強化學習課題上深入，達到了職業(yè)電競水平。
好比一個初出茅廬的毛頭小子，開始只能靠跟著師傅，“模仿”招式學習武功。但畢竟只是“模仿”，運氣好學到的是“九陽神功”，運氣不好可能就只能學到個“葵花點穴手”。而到了深度學習階段，他決定不再模仿，而是開始自己修煉，逐漸擺脫了那些“套路化”的招式。
到了2020年，王者絕悟又通過課程化自我博弈，從單個或者固定英雄組合，高效地擴充到更多英雄組合的學習。
而在騰訊AI Lab高級研究員、王者絕悟AI模型負責人邱福浩描述的王者絕悟最新版本中，它進一步引用了多輪組合博弈和層次化的強化學習算法。也就是說，現在王者絕悟不僅能和你直接戰(zhàn)斗，甚至在戰(zhàn)斗之前的BP環(huán)節(jié)，就已經開始思考策略，并且戰(zhàn)局中也能夠持續(xù)調整策略來應對各種局面。
用邱福浩的來說，如今的王者絕悟，已經達到全英雄職業(yè)電競水平。
但是，就像改變世界的是“武道”，不是“武術”。王者絕悟在游戲場景、電競行業(yè)中都有著直接、有效的幫助。但是，這還不足以稱其為“通用AI路徑上的一個急先鋒”。
真正值得一提的，是王者絕悟背后所代表的技術發(fā)展浪潮。
“人工+智能”向自主智能的進化
現如今，AI對于各行各業(yè)的賦能，已經不用多說，從上下班打卡的人像識別、到陪玩游戲的語音助理… 其價值已經被大家廣泛認知并認可。
但是，AI的開發(fā)、訓練、調試的過程中，如果完全放到現實中去進行，存在成本高、風險大的問題。因此，游戲是最好的虛擬化場景。從簡單到復雜、從低級到高級，AI研究的不同歷史時期，都能找到對應的、不同復雜度的游戲作為測試相關技術主要難題的技術試驗場。
2016年，AlphaGo一戰(zhàn)成名。作為許多年前的“第一批AI網紅”， AlphaGo的技術邏輯并不難理解：通過“走棋網絡”模仿棋手，然后借助樹搜索，分析戰(zhàn)況，推演未來的每一步棋的變化，接著憑借估值網絡，分析局勢，判斷勝率，最后做出行動。
但是，AlphaGo僅僅是單體智能決策，而且圍棋是一個規(guī)則明確、完全信息透明的單人游戲。如今，真正在各個場景下發(fā)揮重大應用價值的，是技術相對更加復雜的多智能體決策，這也就對測試環(huán)境提出了更高的要求。
簡而言之，就是要模擬出一個工廠之類的環(huán)境，測試如何讓工廠里的各個機器人在不吵架（或者可以吵架）的前提下，既完成自己的小目標，也完成好組織要求的“裝好一輛汽車”的大目標。
現實情況下，不可能天天給科學家們找?guī)准夜S來實驗。于是，谷歌、Facebook、特斯拉等公司，開始直接或者讓投資組合下的公司開啟多智能體AI在多人競技游戲環(huán)境下的實驗，而在中國，王者榮耀與騰訊AI Lab一同推出了王者絕悟。
不過，為什么偏偏是王者絕悟；或者說，為什么說王者榮耀能成為一個絕佳的研究環(huán)境呢？
“王者榮耀的游戲機制具有很強的多人協作性、在不對稱信息下博弈空間極大、協作競技性很強，非常適合使用多智能體人工智能技術來提高生產和測試效率。此外，王者榮耀產品中的視野非全局性，敵我雙方的實時位置、狀態(tài)能信息非理想透明，游戲測試環(huán)境中能提供豐富的數據，模擬的場景，為研究模仿學習提供了保障；再者，天然的層次結構，在高層次對應大局觀，在低層次中對應了微操，適合層次強化學習研究?！彬v訊互動娛樂天美L1工作室總經理、王者榮耀執(zhí)行制作人黃藍梟說到。
與AlphaGo相比，王者絕悟在技術復雜度與應用價值上，都有了顯著的提升。據了解，王者絕悟在一局里有高達10的20000次方種操作可能性，整個宇宙原子總數也只是10的80次方。
面對這么復雜的決策，王者絕悟這幾年飛速成長，訓練效率非常高，一天的訓練強度高達人類 440 年。
表面上，選手和王者絕悟打了一場電競表演賽。但是實際上，王者絕悟背后，是AI從單體智能交互，到與多智能體交互的發(fā)展變化，這是其一。其二，是AI成長模式的進化：人工干預開始減少，機器智能對于環(huán)境的自主學習能力大大增強，從模仿學習，到深度學習，從“人工+智能”向自主智能轉化。
如今，王者絕悟已經有了幾個兄弟，可以應用于足球、FPS、RTS游戲，并且都達到了國際領先水平，其可遷移性得到了論證。此外，當王者絕悟從0到1去學習進化，并發(fā)展出一套合理的行為模型之后，其中的方法和經驗，也能夠在其他醫(yī)療、制造、無人駕駛等場景中得到運用。
以上種種，一方面，代表著人們距離多智能體的大范圍實際應用在技術層面又向前走了一步；另一方面，也意味著“通用人工智能”在技術路徑上，也不再那么遙不可及。這才是王者絕悟背后真正的價值所在。
【結束語】
1943年，圖靈制造了一個叫做“巨人”的機器，用于破解德軍的密碼電報，標志著AI的誕生。2012年，華裔科學家吳恩達展現了一個超強的神經網絡，在自助觀看千萬張圖片之后，識別圖片內容，開啟了AI的新時代。
可以發(fā)現，AI與人類對戰(zhàn)，并不是其誕生的理由；AI戰(zhàn)勝人類，也不是其誕生的目的。這是人們在走向通用AI上的一條“捷徑”，讓人們以一種更低成本、更安全、更有效的方式走向那個科幻般的未來。
王者絕悟的多智能體博弈和自生長能力，是通用人工智能（AGI）成長路徑上的關鍵技術節(jié)點。在如此復雜的虛擬環(huán)境下，如果AI能夠表現出較高的智能水平，那么，在真實世界中的應用前景就更值得期待了。
當然，在這其中，王者絕悟并不是第一個，也不會是最后一個。但是，數字時代的潮水還在向前奔流，每一朵大的浪花都值得銘記。
