游戏里的人机对手，正在帮助人工智能走入现实

　　AI与游戏的关系，随着近段时间人工智能的风头渐长，越来越常被人们提起。
　　但在谈到AI仍总会让人想起模型和算法等抽象词汇，还没能靠可视化被更多人看到的时候，它其实早就已经和游戏走到了一起。
　　作为一种与用户行为紧密相关的交互性媒介，游戏很容易给AI提供各种工具化的空间；同时因为它由规则与玩法搭建起舞台，逻辑严密的游戏本身又是天然适合AI生长和进化的土壤。
　　就算到了现在，仍有很多人还没意识到，二者的相遇从某种程度上来说是必然的。而且在过去的几年里，已经有很多团队用实例证明了这一点。
　　1。游戏工具箱里的AI
　　如今聊起人工智能在游戏中的应用，很多人首先想到的是游戏制作中它能提供的帮助。
　　以MidJourney为代表的众多作图AI，确实已经被不少开发者逐渐运用到了实际的游戏制作中；微软最近申请了专利的AI作曲模型，听上去似乎也把游戏配乐的门槛拉低了不少；就连游戏内人物的对话，OpenAI最近推出的聊天人工智能ChatGPT听上去也能胜任，似乎离RPG游戏里角色对话的完全智能化也不远了。
　　ChatGPT号称能接住人类抛给它的话题
　　可这些距离我们普通玩家来说，始终还有一定距离。我们想要的，是能迅速应用到游戏中来改善游玩体验的各种工具而这些也是AI能提供给玩家，甚至已经给到玩家的东西。
　　比如一个已经常用到足以被忽视的例子：围棋平台的AI陪练。
　　一开始当AlphaGo战胜人类棋手的时候，人们大都是感觉到AI对围棋界的冲击。但是反观现在，AI已经完全融入到了这个行业中，一个好用的AI陪练已经成了练棋的重要助手。甚至经过长时间的发展，已经细化出了各类产品，诸如少儿围棋AI陪练和制定段位特训AI老师都是针对不同人群的精准订制，就连中国国家围棋队也将腾讯AILab研发的棋牌类AI绝艺作为陪练。
　　在紧随围棋的电子游戏领域中，《星际争霸》《DOTA2》等项目上AI的胜利并没晚来多少，而在国内如今区别于市面上常见的游戏陪练的AI陪练也已经出现了。
　　《王者荣耀》中最近升级的王者绝悟，实际上就是一个AI伙伴。和其他游戏里高难度电脑主要靠操作和读指令不同，王者绝悟更多是通过多个AI间的不断切磋和试错，逐渐总结出规律摸索出最适合当下情况的操作准则。
　　对于MOBA玩家来说，如何拓宽自己的英雄池，练出足以拿到排位实战中的熟练度，而不在练习过程中成为队友口中的坑，一直是个难题。但在这个英雄训练营里，玩家们就不必再有类似的负担。
　　根据玩家水平不同，它会配置同水平的4个队友和5个对手，让玩家在最适合自己分段的对局里练习不熟练的英雄。除此以外，王者绝悟还有实现让AI接管角色的操控权、第一视角观摩AI操作的能力。
　　如果只是观看AI的操作，可能不会觉得有多厉害，但假若未来这样的功能实装到游戏当中，当玩家还能随时和AI的身份对调，就能更清晰地明白某些决策的意义。原本看上去也没觉得多厉害，但就是打不过的云玩家视角，也就变成了一个能用来提升熟练度、拓展英雄池的实用小伙伴。
　　而与此同时，对于人工智能行业来说，游戏如果只是AI的服务对象，那它们的联系远不会像今天这样紧密。因为在用AI提升玩家英雄理解能力，拓展英雄池，进而提升游戏体验的同时，游戏其实也是人工智能的天然训练场。
　　2。穿透信息迷雾的AI
　　对于AI产业来说，游戏同时也是AI实现更多目标的手段。
　　面对复杂的现实环境，AI眼前并没有围棋中非黑即白的规则，或者是一览无余的一方棋盘。如何把海量信息间的规律总结提炼出来，在信息不对等的情况下做出决定，是AI投入许多领域都要面临的问题。
　　可正好，游戏就具备类似的完美实验环境。
　　游戏中的玩法规则，就是对许多复杂事物规律的总结和简化；不对等信息下的博弈，也是多人游戏这么多年发展不断玩出新花样的卖点。就像沙盘推演之于真实的战场，游戏也为AI提供了匹配度极高的实操舞台。
　　11月22日，Meta公司（原Facebook）旗下研究团队推出的一个AI，就在经典战略桌游《强权外交》上体会了一番复杂的训练环境。
　　在这款模拟列强瓜分欧洲大陆的战争游戏里，7名玩家需要各自为战，以吞下半个欧洲为目标努力。游戏虽然在桌游规则的概括下玩法称不上太复杂，但游戏中还有个完全左右胜负的重要功能，那就是与玩家打字交流。如何合纵连横，以口才发挥出自己有限兵力的最大优势，是Meta团队选择这个游戏的最大原因。
　　在这些人与人与人工智能间的博弈里，玩家可以选择公屏聊天，也可以选择一对一私聊。所以除了要处理已知信息并推断未知情报，还需要对谎言的存在做出合理判断。
　　在最后的结果里，这个名为Cicero的AI经过训练最终拿到了压倒性的胜率。更为关键的是，很多人类玩家甚至最后都没发现和自己有说有笑对局的对手，其实是个AI。
　　人类在游戏对局中思路和语言的多变，对于AI来说无疑是需要更多理解成本的东西，特别是当信息不对等时，猜忌链就会让问题进一步复杂化，不单单是谁在第几层的问题。
　　同样拿前面提到的王者绝悟为例，游戏里复杂的场景、多种英雄的组合和技能、策略的搭配，多方条件叠加产生的千万种条件里，还要预判对方的操作和动向，复杂环境下进行高效决策的能力自然就能得到更快的训练。
　　更重要的是，在这些条件下己方规划的完美执行，也是只有高度数字化场景中才有的测试环境。
　　例如在一条车水马龙的公路上，要验证一种交通调度算法的合理性，需要上千辆汽车的配合。但是在人类驾驶员的操控下，想要分毫不差地完美执行几乎是不可能的，但AI就能做到。
　　尽可能减小误差、保证已知条件的不变，在越发复杂的条件构成中，就显得愈加重要。也只有这样，才能更高效地试探出那条正确的前进方向。
　　而当沙盘推演结束，AI从中学到的东西自然就能更快地运用到更多行业中去，那里等着AI的不只有多变的环境，还有AI间的同门对决。
　　3。叩响现实门扉的AI
　　如果只是套用从围棋这样信息全透明的简洁场景里学到的规则，那么留给AI施展的空间并不多。
　　因为在瞬息万变的现实里，信息的产生和变化是无不时刻都在进行中，就像在一个人潮涌动的街角，每个人下一分钟的具体位置都无法百分百确定。
　　特别是当越来越多领域的AI得到普及、万物互联时代到来后，AI之间更复杂的多智能体协作博弈也会更为普遍。那么届时在这个方向上，它也会成为未来AI迈入其他领域，以及如何实现横跨多领域作业的重要课题。
　　在这一点上，强调多人合作的《王者荣耀》等游戏就正好有着用武之地。不仅游戏内AI指挥的多个英雄（智能体）间有着配合，双方的AI也可以一较高下。
　　在今年早些时候落下帷幕的第二届腾讯开悟多智能体强化学习大赛上，这场特殊电竞比赛里的双方选手就不用直接操控英雄，而是派出自己训练出的AI出战。最终来自清华大学的团队从23支战队中脱颖而出，拿下了最终的冠军。
　　比赛采用3v3长平攻防战模式
　　这场比赛的实现，基于一个名为开悟的AI开放研究平台。这个由腾讯AILab和王者荣耀团队共同牵头构建的平台，基于MOBA游戏复杂的环境，为训练决策智能AI和研究多智能体博弈提供了一个比较理想的实验环境。
　　当然最重要的是，它为用户提供了用于读取《王者荣耀》对应测试场景和控制英雄行为的数据接口，能让其他研究者更便捷地测试自己的算法和模型。
　　这个平台为这些参赛者提供了《王者荣耀》的运算核心逻辑，以及计算平台、评估工具以及研究资源的综合支持等服务。这让参赛者们不需要做图像识别等技术要求更繁琐的处理，只需要关注具体的算法和多智能体之间的配合逻辑，才有了这样一场形式特殊的《王者荣耀》高校赛。
　　对于这些旁观者来说，或许目前这只是一场寓教于乐的AI实践课，但对于这些高校学子们来说，这也可能会是他们验证未来研究方向的重要契机。不少团队都在赛后反馈，在赛事中他们收获不少，还有团队在比赛结束后继续用开悟平台进行研究。
　　虽说现在这只是几个AI英雄间的互丢技能，但由此探索出的算法解决方案，或许是未来人工智能从数字场景走入现实各行各业的种子。
　　例如，股票AI如何量化计算每笔交易，在基于已有信息建立的模型下，还需要与其他股票AI的算法进行博弈；一场地震后分别负责不同救灾功能的AI机器人，不仅要考虑自己的挖掘效率，还要配合其他AI实时提供的数据，统筹计算出废墟的荷载能力避免次生灾害发生，这些都是未来可能出现的AI应用场景，
　　工业、金融或是交通，如果有成熟的AI应用其中，多个AI之间的配合和竞争都是可以想见的。不论是多个组装流水线上智能机器人的通力搭配，还是智慧交通系统里自动驾驶AI的安全和高效化，都有可能从这里起步。
　　就在两周前的11月21日，开悟平台还正式宣布扩大开放了王者荣耀AI开放研究环境的申请。这样就能有更多研究者，用上这个高度复杂MOBA训练环境，帮助加速强化学习领域内的交流，帮助AI走入现实。
　　不管是面向高校的开悟大赛，还是开悟平台的开放服务，他们对国内人工智能行业的积极影响是可以肯定的。AI既在游戏的虚拟环境中获得了养分，游戏也再一次证明了自己在娱乐功能外的不可替代。
　　我们越是读懂游戏和人工智能密不可分的纽带，就越想看到有一天它们之间的关系被淡忘。
　　因为那一天的到来，很可能就意味着AI已经完全走入了现实生活，与我们的方方面面都息息相关。而游戏终于也不用再一次次剖开自己证明，它在科技和社会发展中的重要意义，这个早已被玩家看清的事实。