游戏中应用强化学习技术,目的就是要打败人类玩家?

2016 年,DeepMind 公司开发的 AlphaGo 4:1 大胜韩国著名棋手李世石,成为第一个战胜围棋世界冠军的人工智能机器人,一时风头无两。AlphaGo 的巨大成功开启了“人工智能元年”,也让强化学习渐为大众熟悉。

5 年后,强化学习技术发展如何?最大的瓶颈是没法用?理想的强化学习策略是什么样?……带着这些疑问,InfoQ 采访到了西山居人工智能领域专家黄鸿波,和他聊了聊强化学习技术在西山居的应用与实践经验。

“依靠经验可以解决的问题
理论上强化学习都能解决”

强化学习(Reinforcement learning,RL)是人工智能算法的一个特殊分支,由环境、代理、奖励、动作、状态五大关键要素组成。

维基百科对强化学习的定义为:强化学习强调如何基于环境而行动,以取得最大化的预期利益。与机器学习下的另外两种训练方法监督学习和无监督学习不同,强化学习不需要大量的“数据喂养”,而是通过不断尝试使自己获得最大奖励。

DeepMind 研究人员在一篇名为《奖励就够了》的论文中提到,奖励最大化和试错经验足以培养出可表现与智力相关能力的行为。由此他们得出结论,强化学习这一基于奖励最大化理念的人工智能分支,可以引领通用人工智能的发展。

而在此之前,“强化学习教父”Richard Sutton 更是直言:“我相信,从某种意义上讲,强化学习是人工智能的未来。”

强化学习到底能解决什么问题?它是否真的无所不能?

在黄鸿波看来,依靠人类经验可以解决的问题,理论上,强化学习都能解决。“强化学习利用的是经验,而不仅仅是数据。在游戏领域,如果我可以通过经验告诉你怎么在游戏中走位会更好,那么强化学习也能够做到。在交通领域,依靠人类经验可以知道哪个时间段哪里车多,哪里车少,通过强化学习技术也可以做到这一点。”

虽然强化学习很强大,但在当前还难以实现通用人工智能。“如果你想用一个强化学习模型去解决所有的问题,我认为至少在现阶段是不太现实的。强化学习技术非常依赖算力,它对 CPU 的核数、集群的数量、GPU 的数量要求比较高。目前,强化学习技术所面临的最大一个问题就是算力。也许在未来,随着算力越来越强,算力成本越来越低,那么强化学习能解决的问题也会越来越多。”

事实上,关于强化学习发展困境的讨论一直存在。今年 7 月,知乎上一个题为“强化学习领域目前遇到的瓶颈是什么?”的话题讨论热度颇高,南大人工智能学院教授俞扬给出了“没法用”的答案,并随后作出进一步解释说明:

实际上强化学习这个古老的研究领域 2016 前在国内一直比较冷的根源就是没法用。研究领域大家也都清楚强化学习算法样本利用率低,然后做出了很多改进,但是要改进到什么程度才能有用呢,其实根据我们的经验有一个标准:

零试错:一次试错不能有,上线即能发挥效果,还要明显优于基线。

offline RL 是个正确的方向,但是目前的主流研究也有很多明显的弯路,可能发论文与做落地本身就是不同的事,大家的关心点不可能完全一致吧。说没法用只是吐个槽,要想发论文,就只能沿着所谓的 SOTA 来改进,即使是看起来没有希望的方向。

另外就是我们的落地越来越多,不再想着去说服别人 RL 可以用了。

黄鸿波认为,之所以在一些领域存在强化学习没法用的情况,原因在于当前无法保证强化学习模型所产生的结论是百分百正确的。

“很多领域都要求百分百精准,比如医疗领域、精密仪器制造领域等等。如果达不到完全精准,那我们就不能相信 AI,最后可能还需要人工进行复审。这意味着,AI 只是起到了一个辅助性的作用,并不能起到决定性作用,因此确实没法用。但在另外一些领域,比如游戏,即便 AI 出现了一点小的失误也没有关系。所以说,强化学习能不能落地,怎么落地,具体还是要看领域。目前来看,游戏无疑是强化学习技术最成功的一个落地场景。”

强化学习技术的落地秘笈

在过去,游戏 AI 一般倾向于采用行为树作为决策结构,通过引入逻辑节点减少转换条件,迅速地组织较复杂的行为决策,此外它的重用性很高,可以通过重组不同的节点来实现不同的行为树。但与此同时,行为树的缺点也显而易见,比如它会让游戏内置的机器人看起来非常死板,灵活性不强。

而强化学习技术恰巧能弥补这个缺点,让机器人更加拟人、智能,提高游戏的可玩性,同时也能提高游戏的制作效率。

2020 年,西山居开始在游戏中应用强化学习技术,并组建了强化学习团队。目前经过一年多的积累,西山居已经建立了强化学习集群,并搭建了强化学习开发平台和开发体系。在算法设计思路上,西山居在成熟的算法模型基础上,加入游戏特定的 Trick,让游戏整体在效果呈现上更加智能。“接下来,我们有一款对战类型的游戏即将上线,游戏中的 AI 就是利用强化学习技术来做的。”

在实践的过程中,黄鸿波发现游戏领域的强化学习和其他领域有本质上的区别。“目前市面上的算法、模型、框架基本都不是单独针对游戏领域的,而是一个通用的强化学习框架,它们的特点是运行环境要与框架进行强结合,并整体打包在一起进行模型训练。

但在游戏领域却是完全相反的,尤其现在大多数游戏都是网络游戏,有战斗系统或房间匹配系统,可能战斗系统单独跑在一个服务器上,训练系统跑在另一个服务器上。也就是说,训练环境和战斗环境实际上是一个分离的状态。这种情况下,就需要开发一个中转的平台来进行交互,需要考虑的问题包括怎么获取环境信息、状态信息,这个过程中还涉及到传输效率的问题。”

在黄鸿波看来,强化学习技术的落地秘笈并不在于要把算法改得多牛,而是要将强化学习技术与深度学习、游戏策划相结合,形成一套完备的解决方案,并将其实现

“很多人认为我们用强化学习技术就是要把游戏变成非常强,其实并不是。通过强化学习技术去打败人类玩家其实是一件非常简单的事情,并且早已得到实现。但这是在研究阶段做的事情,真正落地的时候,AI 的目的并不是要打败玩家,而是要陪玩家玩游戏。这也是我们游戏制作的一个核心思想。”

至于理想的强化学习策略是什么样,黄鸿波认为在游戏领域中,要让用户有更加丰富的游戏体验,而在其他领域如工业制造等,要足够智能、灵活。“理想的强化学习能够让玩家在玩游戏的过程中更加开心。在非游戏领域,理想的强化学习能够做出更加精准的决策。”

人工智能跨过“人工智障
只是时间问题

谈到对人工智能的理解,黄鸿波认为人工智能首先是人工战胜智能,让计算机学到人类已有的知识或经验,然后再辅助人类去完成繁杂或是需要脑力计算的工作。

近几年,人工智能发展迅速,并逐步从学术研究过渡到产业落地。Appen Limited 发布的第七份《人工智能与机器学习现状年度报告》显示,各企业 AI 预算金额较去年大幅增长 55%;同时,企业更加关注 AI 项目的实际实施。

但与此同时,关于人工智能的质疑声也此起彼伏,有观点认为当前的人工智能远没达到智能,甚至有些是“人工智障”。

对于这些质疑,黄鸿波认为背后主要有两方面原因:一方面,要想把人工智能做得更智能,需要有一个非常庞大的数据云来做训练;另一方面,需要有强大的算力来做支撑。比如一些智能客服、陪聊 AI 很容易出现答非所问的情况,原因就在于训练过程中并没有给它们喂入足够大的语料,归根结底,还是模型数据和算力有限。

“人工智能跨过人工智障,我认为只是一个时间的问题。随着时间的推移,模型逐渐强大,算力足够廉价,数据足够多。这三个问题解决之后,人工智能就会逐渐成为人们理想中的样子。”黄鸿波说道。

最后,对于想在人工智能领域发展的年轻人,黄鸿波也分享了一点成长建议。

在他看来,无论是做人工智能方向的研究还是方案策划,一定要关注它的应用价值,关注如何才能将研究真正落地到生产中。而对于还未毕业的人工智能方向人才来说,一定要提前明确自己未来的发展方向。

“如果未来想进入企业里,就需要知道企业需要的是什么样的人才,企业需要的是工程能力强、算法能力强的人才,要能够解决实际的问题。如果未来想进入高校或研究机构,就要提高自己的学术水平。当你明确了从事的方向目标之后,再去根据目标一步步倒推,自己应该往哪个方向积累。”

写在最后

有句话叫做“万物皆可 AI”,在可预见的未来,AI 的触角将伸向各个领域。

至于未来的 AI 什么样,黄鸿波畅想道:“与其说未来 AI 会应用在哪些方向,倒不如说未来我们需要解决什么问题?在未来,哪里有问题,哪里有痛点,哪里就可以用 AI 来解决。”

采访嘉宾:

黄鸿波,珠海金山网络游戏科技有限公司(西山居)人工智能领域专家,高级算法工程师,谷歌机器学习方向开发者专家,拥有多年软件开发经验,著有《TensorFlow 进阶指南:基础、算法与应用》一书。曾在格力电器股份有限公司大数据中心担任人工智能领域专家,且在多家公司担任过高级工程师,技术经理,技术总监等职务。

(0)

相关推荐

  • 游戏显示人机协作的“黑暗面” OpenAI要求Latitude立即采取行动

    去年夏天,OpenAI让Latitude提前接触到了其技术的更强大的商业版本.在营销材料中,OpenAI将<AI Dungeon>作为编写算法的商业和创意潜力的一个例子来吹捧. 上个月,O ...

  • 人工智能救得了MMORPG吗?

    游戏一直是人工智能绝佳的试验场,用数字和严密的规则搭建出游乐场,恰好可以让人工智能展示自身在计算和决策上的专长. 最引人瞩目的,自然是会下围棋的阿尔法狗.除此之外,棋牌类游戏中还有麻将AI.西洋象棋A ...

  • 人工智能赛道玩家,衡量AI实力重要依据在于技术落地能力

    关于2021年及未来,人工智能的5大趋势预测 我们正跟随着人工智能发展的脚步,走向第四次工业革命的浪潮之巅.人工智能已经成为社会进步的核心技术之一且进步飞快,个体和整体都将受到人工智能技术的影响,所有 ...

  • 机器人技术与人工智能有什么区别?

    机器人技术是人工智能的一部分吗?人工智能是机器人技术的一部分吗?机器人技术和人工智能(AI)的目的截然不同.但是,我们经常将它们混淆. 什么是机器人技术? 机器人技术是处理物理机器人的技术的一个分支. ...

  • 三星布局深度学习:推出新算法提供低功耗高速NPU解决方案

    深度学习理论的成熟以及应用的逐渐展开让更多的厂商进入这个领域,并开始软硬件的布局.在智能手机中的人工智能发展要比想象的更快速一些,华为已经开始在麒麟SoC中添加NPU神经网络计算单元,而高通的骁龙处理 ...

  • 预见2021十大云趋势(四):人工智能上演云上“尬舞”

    这一年,时间过得特别快,不知不觉2021年已过了快两月. 记得2020年初时,阿明携手业内多位专家,共同推出了针对2020年公有云发展十大趋势,其预见获得了业界朋友广泛的讨论,该趋势彰显了业界朋友的思 ...

  • 王者荣耀:探索和发展通用AI问题

    生物体的进化速度需要数百万年才能计算出来,而人工智能的进化速度是肉眼可见的. 图片来自网络 半百年前,人类需要用一台重达1270公斤的电脑来对抗象棋大师时,根本没有想到过半个世纪后,王者荣耀的AI可以 ...

  • AI难逃“集邮”命运

    文丨新眸,作者丨凌石,编辑丨栖木 首先要申明的是,这并不是一篇唱衰AI行业的文章,但需要提醒各位的是,人工智能的创业窗口期已经接近尾声. 一方面,是新入局玩家数量上的降温.根据亿欧网数据,中国AI初创 ...

  • 区块链+AI,恰似双剑合璧?

    "两招名称相同,招式却是大异,一招是全真剑法的厉害剑招,一着是玉女剑法的险恶家数,双剑合璧,威力立时大得惊人."这段描述出自<神雕侠侣>,说的是杨过与小龙女共同对战金轮 ...

  • 股票市场交易中的强化学习

    在深度学习的世界中,无论您的模型多么先进,没有充分对业务充分理解和干净的数据都不会走得太远.这个事实在金融领域尤其如此,在我们的数据集中,只存在股票的开盘价,最高价,最低价,调整后的收盘价和交易量的5 ...

  • 【行业观察】西门子利用强化学习技术实时优化老化的燃气轮机性能

    导读:2021年3月23日,西门子能源公司高级副总裁Mirko Düsel表示,尽管燃气轮机经久耐用,但随着时间的流逝,其性能会降低,从而导致功率损失,这一事实无处掩饰.目前传统的方法就是对燃气轮机进 ...

  • 图像处理中的深度学习技术

    深度学习算法现在是图像处理软件库的组成部分.在他们的帮助下,可以学习和训练复杂的功能;但他们的应用也不是万能的. "机器学习"和"深度学习"有什么区别? 在机器 ...

  • 三国志英杰传,游戏中最难的几关,当年一度成为玩家的噩梦

    三国志英杰传在很多平台都有发行过,其中PC应该是玩家最多的,但是很多都说最经典的版本是SFC上的,这完全就看个人喜欢,至于到底哪个平台上的三国志英杰传最经典那根本不重要,争论也没有太大意义.实际上说得 ...

  • 深度学习中的知识蒸馏技术(下)

    本文概览: 写在前面: 这是一篇介绍知识蒸馏在推荐系统中应用的文章,关于知识蒸馏理论基础的详细介绍,请看上篇文章: 1. 背景介绍 1.1 简述推荐系统架构 如果从传统角度来看实际的工业推荐系统,粗略 ...

  • 在游戏中学习,在游戏中成长

    你若有颗不屈的灵魂,脚下便有片坚实的土地.没有人能让你输,除非你不想赢.丢掉抱怨,去为自己的选择买单.不要轻易服输,不要轻易言放弃,现在过的每一天,都是余生中最年轻的一天. 提到游戏,大家一定会浑身充 ...

  • 深度学习中的知识蒸馏技术

    本文概览: 1. 知识蒸馏介绍 1.1 什么是知识蒸馏? 在化学中,蒸馏是一种有效的分离不同沸点组分的方法,大致步骤是先升温使低沸点的组分汽化,然后降温冷凝,达到分离出目标物质的目的.化学蒸馏条件:( ...

  • AI 发展方向大争论:混合AI ?强化学习 ?将实际知识和常识整合到AI中 ?

    来源:云头条 作者:Ben Dickson是一名软件工程师,还是探讨技术在如何解决和带来问题的TechTalks博客的创始人. 对于AI界来说意义重大,这归功于深度学习领域取得了惊人的进步,AI的这个 ...

  • 强化学习在应用中寻找策略“最优解”

    强化学习正由实验室环境一步步走向真正具备现实影响力的应用场景. 来源丨VentureBeat 编译丨科技行者 强化学习(RL)是一种强大的人工智能技术,能够掌握复杂的策略以控制各类大规模复杂系统,包括 ...