0
AI 王者「絕悟」升級了，能達到精通金庸武俠里所有武功的那種水平。
今天，騰訊宣布，由騰訊 AI Lab 與王者榮耀聯(lián)合研發(fā)的策略協(xié)作型 AI「絕悟」推出升級版本“絕悟完全體”。
這一升級的背后，則是騰訊策略協(xié)作型 AI 算法能力的進一步提升，與之相關(guān)的研究也已被 AI 頂級會議 NeurIPS 2020 與頂級期刊 TNNLS 收錄。
在王者榮耀中，若每個職業(yè)都有 4 個紫色熟練度英雄，就能解鎖“全能高手”稱號。但受到練習時間與精力限制，很少有人能精通所有英雄，但「絕悟」做到了。
那么，王者再進化，將有多強？
據(jù)了解，「絕悟」一年內(nèi)掌握的英雄數(shù)從 1 增加到 100+，王者榮耀英雄池也實現(xiàn)了完全解禁，不但掌握了所有英雄的全部技能，能應(yīng)對高達 10 的 15 次方的英雄組合數(shù)變化，甚至還“自帶軍師”，可做出最佳的英雄博弈策略選擇，綜合自身技能與對手情況等多重因素，派出最優(yōu)英雄組合。
目前，“絕悟完全體”已在王者榮耀 App 限時開放，玩家都可與之對戰(zhàn)，親身體驗 AI 在復(fù)雜策略、團隊協(xié)作與微觀操作方面的強大能力。
11 月 14-30 日，「絕悟」在 20 個關(guān)卡的能力將不斷提升，最強的 20 級于 11 月 28 日開放，接受 5v5 組隊挑戰(zhàn)。
AI+游戲研究，是騰訊攻克 AI 的終極研究難題，也是通用人工智能（AGI）的關(guān)鍵一步。
騰訊技術(shù)團隊的長期目標不僅是讓“絕悟”學會所有英雄的技能，而且每個英雄都要達到頂尖水平，可以根據(jù)陣型排列組合打出制勝局。
但難點就在于，「絕悟」的不同英雄會共享一個模型參數(shù)，從零學會單個陣容易如反掌，但面對多英雄組合時就難如登天。對戰(zhàn)中，因為地圖龐大且信息不完備，不同的 10 個英雄組合有不同的策略規(guī)劃、技能應(yīng)用、路徑探索及團隊協(xié)作方式，這將使決策難度幾何級增加。
同時不可忽略的是“災(zāi)難性遺忘”問題，模型容易邊學邊忘，這也長期困擾著開發(fā)者。
畢竟，一場比賽勝負的關(guān)鍵不僅在于擁有頂尖選手，排兵布陣的教練也非常重要。
基于此，技術(shù)團隊為「絕悟」找了一個能排兵布陣的 AI 教練，也就是在游戲 BP 環(huán)節(jié)（禁選英雄）的最優(yōu)策略。
【絕悟 vs 人類 BP 測試】
受到圍棋 AI 算法的啟發(fā)，研究團隊創(chuàng)新地采用了蒙特卡洛樹搜索（MCTS）和神經(jīng)網(wǎng)絡(luò)結(jié)合的自動 BP 模型，能夠又快又準地選出具備最大長期價值的英雄。
具體來講，先采用引入“老師分身”模型，每個 AI 老師在單個陣容上訓練至精通，再引入一個 AI 學生模仿學習所有的 AI 老師。
最終，「絕悟」掌握了所有英雄的全部技能，正所謂“少林有七十二藝，功夫既有不同，練習之法，亦必各異。學者茍能盡之，則無敵于世矣。”
自然，團隊的長期目標，就是要讓「絕悟」手握強兵，且每個英雄都能達到頂尖水平，因此技術(shù)上有了三項重點突破：
首先，團隊構(gòu)建了一個最佳神經(jīng)網(wǎng)絡(luò)模型，讓模型適配 MOBA 類任務(wù)、表達能力強、還能對英雄操作精細建模。
模型綜合了大量 AI 方法的優(yōu)勢，如：
在時序信息上引入長短時記憶網(wǎng)絡(luò)（LSTM）優(yōu)化部分可觀測問題；
在圖像信息上選擇卷積神經(jīng)網(wǎng)絡(luò)（CNN）編碼空間特征；
用注意力（Attention）方法強化目標選擇；
用動作過濾（Action Mask）方法提升探索效率；
用分層動作設(shè)計加快訓練速度；
用多頭值估計（Multi-Head Value）方法降低估計方差。
其次，團隊研究出了拓寬英雄池，讓「絕悟」掌握所有英雄技能的訓練方法——CSPL（Curriculum Self-Play Learning，課程自對弈學習）。
根據(jù)下圖可以看出，使用 CSPL 方法擴展英雄池有明顯優(yōu)勢。
據(jù)悉，這是一種讓 AI 從易到難的漸進式學習方法——第一步是挑選多組覆蓋全部英雄池的陣容，在小模型下用強化學習訓練；第二步是蒸餾，把第一步得到的多個模型的能力遷移到同一個大模型中；第三步是隨機陣容的強化訓練，在蒸餾后的大模型里，隨機挑選陣容繼續(xù)強化訓練和微調(diào)。
最后，團隊搭建了大規(guī)模訓練平臺騰訊開悟（aiarena.tencent.com），依托項目積累的算法經(jīng)驗、脫敏數(shù)據(jù)及騰訊云的算力資源，為訓練所需的大規(guī)模運算保駕護航。
2020 年 8 月，開悟平臺對 18 所高校開放，未來希望為更多科研人員提供技術(shù)與資源支持，深化課題研究。
早在 2018 年 12 月的 KPL 秋季總決賽中，「絕悟」就曾公開亮相對戰(zhàn)人類玩家。
當時，團隊研發(fā)了監(jiān)督學習（SL）方法，針對大局觀和微操策略同時建模，使得「絕悟」同時擁有優(yōu)秀的長期規(guī)劃和即時操作，達到了非職業(yè)玩家的頂尖水平。
但其實，團隊對于監(jiān)督學習的研發(fā)一直在進行——今年 11 月 14 日起開放的絕悟第 1 到 19 級，就有多個關(guān)卡由監(jiān)督學習訓練而成。
理論上，監(jiān)督學習訓練出的 AI 表現(xiàn)遜于強化學習的結(jié)果，但這一方向極具研究與應(yīng)用價值，相關(guān)成果也入選了頂刊 TNNLS 。
如今，「絕悟」前有強兵，后有軍師，不折不扣的一代宗師終于練成了。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
