<mark id="oztn4"></mark>
0
2021年11月，全球首屆“ AI《球球大作戰》：Go-Bigger多智能體決策智能挑戰賽”已正式開賽。作為面向全球技術開發者和在校學生的科技類競賽活動，本次比賽旨在推動決策智能相關領域的技術人才培養，打造全球領先、原創、開放的決策AI開源技術生態。
在比賽之際，雷鋒網&AI科技評論對話了本次競賽的核心設計團隊成員劉宇和周航，他們二人，一個為商湯科技研究總監，也是OpenDILab項目負責人；一個為前星際職業選手iA，目前任商湯決策智能游戲AI組高級研究員；殊途而同歸，他們如何通過 「游戲 × 決策」方式走到一起，他們會更看中什么樣的“策略高手”？
在現實之外，還有另一個世界，游戲世界。它將人情世故、弱肉強食、情義背叛、謀略運籌挪于方寸之間，功成名就，皆在俯仰間。以游戲世界之有涯，演繹人際種種浮沉。古人制蠱王，今人造腦王，科技的進步，將對抗的秘密搬上臺面。
而今這場競技，被命名為Go-Bigger多智能體決策智能挑戰賽。比賽由OpenDILab主辦，上海人工智能實驗室作為學術指導，商湯決策智能團隊和巨人網絡等多元化組織聯合打造 。靈感來自于巨人網絡自主研發的一款超火爆休閑競技手游《球球大作戰》，多方共同開啟全球首屆AI版《球球大作戰》。
Go-Bigger游戲環境：https://github.com/opendilab/GoBigger
AI球球大作戰采用了類似《球球大作戰》的物理引擎設計，具有相對較大的地圖，球球具有分裂、吐孢子、中吐等高階動作空間，但是提供了適合強化學習或行為樹AI編寫的抽象接口。
劉宇說到，“Go-Bigger并不像星際爭霸或Dota2這種重型游戲環境，我們對它的定位是人人可以參加的中型游戲AI競技環境，推動學術界關注更大一些的決策問題。相比學術界用的最多的Atari、Mojoco、SMAC要大不少，但又可以在小型的實驗室中完成——一臺機器、一塊GPU就能訓練起來。它面向大眾、學生、研究員，更適合用 「學術比賽」來描述它?！?/p>
從參與籌辦比賽的各方來看，學術價值，在Go-Bigger身上非常明顯。它由上海人工智能實驗室作為學術指導，商湯科技、巨人網絡、上汽集團人工智能實驗室聯合主辦，全球高校人工智能學術聯盟、浙江大學上海高等研究院、上海交通大學清源研究院聯合協辦，OSCHINA、深度強化學習實驗室作為支持。
從產業出發，關注底層技術，并進一步攏合各大高校和實驗室，其實就是商湯的原創基因。
周航和劉宇都說到，“球球大作戰的門檻很低，但是上限很高。”
與風靡全球的agar.io、《球球大作戰》等游戲類似，在Go-Bigger中，每局比賽十分鐘，大球吃掉小球而獲得更大重量和體積，但同時要避免被更大的球吃掉。當球達到足夠大時，玩家（AI）可使其分裂或融合，和同伴完美配合來輸出博弈策略。每個隊伍都需和其他隊伍對抗，總重量更大的團隊獲勝。
Go-Bigger游戲環境演示圖
游戲中有四類小球，分別為分身球、孢子球、食物球、荊棘球，挑戰不同決策路徑。
分身球是玩家在游戲中控制移動或者技能釋放的球，可以通過覆蓋其他球的中心點來吃掉比自己小的球。
孢子球由玩家的分身球發射產生，會留在地圖上且可被其他玩家吃掉。
食物球是游戲中的中立資源，其數量會保持動態平衡。如玩家的分身球吃了一個食物球，食物球的重量將被傳遞到分身球。
荊棘球也是游戲中的中立資源，其尺寸更大、數量更少。如玩家的分身球吃了一個荊棘球，荊棘球的大小將被傳遞到分身球，同時分身球會爆炸并分裂成多個（10個）分身。此外，荊棘球可通過吃掉孢子球而被玩家移動。
分身球
孢子球，食物球 
荊棘球
此外，Go-Bigger還包含一系列與《球球大作戰》類似的游戲規則：
球重量越小，移動速度越快；
分身更多可以快速發育，但自身重量被分散，面臨被吃的風險。
每個玩家的總重量會隨著時間緩慢衰減，體重越大，衰減速度越大在戰斗階段，分裂后的玩家需要盡快合球，因此，同一隊伍中不同球球的配合尤為關鍵。
同隊伍玩家之間不會完全吞噬（會保留最后一個球）。
由于這種規則設置，球球在不同發展階段，策略各不相同。
在球球發育前期，重量太小無法分裂，一邊吃食物完成原始積累，一邊防御被吃，就催化了團隊合作--多球行動。
比如，當自己進食足夠多，并達到分身程度時，將小分身喂給隊友，只留一個，同伴和自己都會完成第一次原始積累，并增加團隊整體重量。
隨著大家爭相完成原始積累，比賽進入中期。防御轉為攻擊，暗爭轉為明爭。而此時，持久戰還是速度戰、先滅大還是先滅小、霸屏攻擊還是輕騎后抄，不同策略組合將游戲推向高潮。
距離，方向，速度以及分身后的密度成為影響獲勝關鍵。
其中一種攻擊策略為先滅小而后搏大，大球率先攻擊發育不良的球，合成大球，隨后尋找實力略弱的大球，判斷距離、分身快速逼近、近身后合球鯨吞。幾輪下來，大球進入排行榜頭列，為后續決戰做好準備。
隨著游戲進入后期，戰場上的玩家也所剩無幾，實力相當的大球決戰，成為賽點關鍵！
首先，大球的移動速度非常慢，選擇時機分身移動，快速移動并合成干掉對方，成為大球玩家心中既心照不宣，又秘而不發的護身之法。你死我亡，弱肉強食，生命法則向是如此。
但與此同時，作戰的另一機制——自我衰亡被觸發。
大球的體重并不是一成不變的，而是以一個相當快的速度流失體重，體重衰減率是每秒鐘千分之二。因此，游戲進入下一階段——霸屏團隊的優勢維持、其它團隊的反擊。
由于霸屏團隊體重流失速度相當快，如果只是用常規的攻擊手段，增加的體重往往不能和流失的體重相抵。而同時，大球的移動速度十分緩慢，攻擊效率十分低下，多數大球團隊會采用多分身模式攻擊。
因為已經是優勢團隊，即便多分身，其它團隊也往往不能對多分身造成威脅，因此大球往往以相對高的速度地毯式掃蕩。
縱觀決戰之勢，無論是大球燃燒心火，擊潰其身；還是分身求勝，蠶食殆盡，往往并不隨心所欲。在對抗同時，作戰時間所剩無幾。
此外，還有多少小球蟄伏暗處，醞釀反擊，在最后階段逆轉局勢，并非新事。
在萌萌的小球之內，涌動著規則和博弈的暗流。周航回應道，這就是Go-Bigger門檻很低，但是上限很高的原因。
“游戲環境非常簡單直觀，因為大家都玩過類似的游戲，像大魚吃小魚、剪刀石頭布、圍棋。它們都有很直觀的名字，都用簡單的環境系統構建出博弈場景。但不同的是，Go-Bigger涉及到多智能體的配合和對抗，會有更高的決策復雜度?！?nbsp;
人工智能現在已經廣泛應用在感知優化場景，但是想讓模型具有真正的智能，則需要將其落實到一些需要進行決策的場景。
游戲，則是決策智能（DI）天然的訓練場。
如果將一個游戲環境比作一個小社會，那么不同的游戲角色則是生活其中的人類。只有人類數量足夠多，才足以反映其中的群體關系，并進一步模擬人類社會的生活圖景。因此，在復雜游戲中的多智能體博弈，成為推動決策智能發展的關鍵。
Go-Bigger涉及多智能體博弈，不可避免要權衡同一團隊中的個體行動與合作行動、不同團隊間的合作與競爭、表征和交換與其它智能體的環境信息。但要從零開始實現上述算法和訓練流程非常復雜，決策智能框架DI-engine大大簡化了設計過程。
其內部已經集成了支持多智能體的DQN算法實現和一系列相關訣竅，以及玩家自我對戰和對抗機器人的訓練組件，只需實現相應的環境封裝，神經網絡模型和訓練主函數即可。
此外，Go-Bigger支持RL環境，提供了三種交互模式。
為幫助用戶在強化學習領域的多智能體策略學習，Go-Bigger提供了符合gym.Env標準的接口供其使用。在一局游戲中，Go-Bigger默認設置含有20個狀態幀和5個動作幀。每個狀態幀都會對當前地圖內所有單位進行仿真和狀態處理，而動作幀會在此基礎上，附加對單位的動作控制，即改變單位的速度、方向等屬性，或使單位啟用分裂、發射或停止等技能。
為了更方便地對環境進行探索，Go-Bigger還提供了必要的可視化工具。在與環境進行交互的時候，可以直接保存本局包含全局視角及各個玩家視角的錄像。此外，Go-Bigger提供了單人全局視野、雙人全局視野、單人局部視野三種人機交互模式，使得用戶可以快速了解環境規則。
單人全局視野、雙人全局視野、單人局部視野
可視化除了方便用戶設計智能體的決策路徑，還將智能體的決策進化提供一個參考。
目前基于強化學習等方法的決策智能，主要還是在學習「狀態」到「動作」的映射，離可解釋的、因果關系的、可互動的決策還有很遠距離。但游戲本身的可視化形式，會直接展示智能體的策略。
整個游戲環境的搭建，不僅涉及到大的封裝模塊，還有小的動作設計。劉宇說到，我們在設計這個引擎的時候，不僅要兼顧它是否有趣（可視化、難度低），還要考慮它對研究者來說是否有用（動作歧義、公平）。
在復雜的游戲環境中，如何做到公平性，保證所有智能體從同一起點進化，并演化出最多的決策路徑，除了球球背后的參賽選手出奇斗勇，還要有公平的評測系統--天梯系統。參賽選手只需基于大賽提供的接口，給出智能體在每一幀的動作，最后將代碼以及相關模型或文件提交即可加入測試天梯。OpenDILab團隊將使用選手提供的環境及代碼進行指定競賽的模型測試工作，決出最后的贏家！
在Go-Bigger游戲中，設計了球球對抗時間、成長加速度、分裂、消失、衰亡等約束條件，它們其實廣泛存在于現實世界，比如人的生命周期，微觀生物學中細胞免疫等。
天然擁有很高的社會擬合度，是用游戲做決策智能研究的優勢。
劉宇說，Go-Bigger項目只想做好一件事，就是想通過打造一款類似于球球大作戰和AGAR這樣家喻戶曉的游戲，讓大家先把游戲AI和決策智能聯系起來，且人人可上手。
“現在Go-Bigger希望做的，其實非常像CV領域的ImageNet?！?/strong>
十年來，計算機視覺一直是最火爆的領域。但是CV是如何發展起來的，“其實就是開源了更大的數據集。”
劉宇說到，“在ImageNet比賽之前，數據集都非常小，研究員很難定義產業界真正需要的算法問題。但ImageNet的推出，為當時的技術帶來了挑戰，隨著GPU的算力提升，越來越多的人涌入到CV領域，成就了現在深度學習+計算機視覺的蓬勃發展?！?/p>
現在決策智能領域的大多數工作者，很難接觸到像星際、DOTA2這樣的資源，在相對較理想的小數據集和仿真環境中做實驗、發論文，是學術研究的常態。
“而決策智能將走向何方，其實就是從訓練平臺和仿真環境兩個方向發力。我們希望在保持現有資源能夠接觸的情況下，能讓決策智能更接近真實場景，并逐漸推動行業中更多的平臺開源?！眲⒂钫f到。
決策智能的研究剛剛上路，首先是數據的問題，其次是標準化的問題。
目前，決策智能的標準化難題是三塊：
一個是環境觀測的標準化
二個是動作空間的標準化
三個是算法工作流的標準化
“CV標準化做得好，因為這里面所有的數據都可以用非常規整的tensor來表示，像PyTorch、 TensorFlow?！?/p>
但在決策智能領域，會涉及到多模態的輸入，比如空間信息（Spatial info）、實體信息（Entity info）、Scalar info（標量信息）。“難點是將所有模態都統一到一個數據格式下。”劉宇說到，“目前一些做法是將各種模態的數據統一到一個encoder，讓它們映射到同一個observation space(觀測空間)?！?/p>
有了狀態空間后，就需要決策做什么動作。
比如，強化學習領域很多算法很難同時支持離散和連續兩種動作空間。而真實場景里還有更復雜的動作空間，比如前后依賴的動作空間、序列的動作空間，跟馬爾可夫鏈性質不太相關的或者違背的動作空間?！?strong>這些動作空間如何大一統到一個訓練的平臺和一個訓練流里，也是非常難的問題。”
“我們希望通過算法設計出新的head（決策智能訓練網絡的頭），后期只需要做一些plug in（插件）的工作，幾乎能夠適配所有的算法?！?/p>
第三塊是算法的標準化。各種算法之間的差異性非常大且難以抽象，如果強行把所有算法兼容到一套框架內，代碼會非常冗余?！拔覀儸F在想要從計算流的角度思考強化學習的優化過程，把強化學習里所有原子模塊拆分，類似PyTorch里operator，那么以后只需要拼算法積木，或者研發一個新的強化學習算法。”
這件事本身是很長期主義的一件事，Go-Bigger只是一個開始。
劉宇說，“我們希望用5年時間，從工具和學術問題定義兩個方面推動決策智能落地，能夠讓平臺、算法集、生產的工具鏈適配到幾乎所有決策智能行業應用上，將行業和學術的各自為陣，變成欣欣向榮?！?/p>
比賽持續到明年4月，那時，“我們期待所有選手百家爭鳴，能夠定義出新的問題，也會設計出更多樣性的算法，既有純強化學習的，也有結合硬編碼和強化學習的。當然，我們希望訓練出的AI不僅能處理好輸贏，還能兼顧到游戲的擬人性?！?/p>
如今，全球首屆“ AI《球球大作戰》：Go-Bigger多智能體決策智能挑戰賽”已正式開賽。作為面向全球技術開發者和在校學生的科技類競賽活動，本次比賽旨在推動決策智能相關領域的技術人才培養，打造全球領先、原創、開放的決策AI開源技術生態。協作、博弈、對抗，精彩紛呈，歡迎前來挑戰！
比賽詳情請見：https://mp.weixin.qq.com/s/1hVFFWBVSUx-BT6Fnn_sMA
雷峰網雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
