隨著近年來科技的迅猛發展，人工智能已經離我們近在咫尺！與此同時，人類與人工智能的博弈也越來越頻繁化了。記得還是幾年前，全球頂級圍棋冠軍對人工智能AlphaGo發起了挑戰，結果以失敗而告終。
值得一提的是，近日由DeepMind研發的新人工智能選手AlphaStar，與人類頂尖遊戲選手MaNa來了一場"星際2"遊戲對戰，結果顯然還是人工智能以10：1的戰績完勝人類選手。
AI逐步進入遊戲領域，vivo率先佈局
經過短短几年間，人工智能已經開始形成更加強大的攻勢，同時也逐步跨進遊戲領域。要知道，遊戲的難度性要比圍棋高多了。值得一提的是，vivo早已開始佈局。早在2018年初vivo便發佈了第一代人工智能助理Jovi，並且實現人物識別、快遞服務以及景點地址、網址查詢等日常信息功能。而現如今，vivo再次將目前指向了遊戲領域。
vivo巧妙訓練AI打王者遊戲
現如今手機端越來越發達，導致手機遊戲火熱無比。許多用戶購機就是衝著遊戲去的。想想看，如果巧妙訓練AI幫我們打遊戲，那該是件多麼高雅的事情呢？別說！vivo確實這麼幹了！
自從去年7月份vivo成立了“vivo AI Lab”後，便開始針對王者榮耀進行AI化操作測試。遊戲不像圍棋那樣，對AI性能要求更高。因此“vivo AI Lab”專屬提出了一種全新的分層強化學習模型。而這種神經網絡模型既能夠通過模仿人類來制定宏觀策略，同時還能根據強化學習來保證微觀操作。尤其適應即時戰略遊戲（RTS）對於操作的需求。
比如在進行王者遊戲時，需要考慮遊戲大局觀的掌握，因此AI化操作時，就必須知道“去哪兒”、“應該何時去支援隊友”、“隊友應該何時一起參加團戰”等一系列聯動。與此同時，還必須掌握部分細節的操作，包括“何時閃現”、“何時交出大招”、“多人團戰中應該如何精細走位”、“團戰中應該如何釋放技能”等。
針對AI難以掌控的大局觀效果上，“vivo AI Lab”採用了一種叫“多智能體”的強化學習方法。換言之，就是通過模擬成百上千個機器人在遊戲中不斷對抗，以此來選擇最佳的作戰方案。
根據目前“vivo AI Lab”官方公佈的成果顯示，通過此種神經網絡訓練出的AI模型，可實現1V1模式下100%的勝算；而在5V5的模式中，同樣具有一定的協同性。
除此之外，“vivo AI Lab”還搭建了一整個“分佈式強化學習環境”；例如手機負責遊戲的運行、動作執行和數據採集；電腦負責連接手機和服務器，進行強化學習算法選擇、動作決策單元的運轉；雲端的GPU服務器集群負責整個神經網絡的運行和存儲等。
而在這種環境中，“vivo AI Lab”同時更具普適性地直接使用了全開源的gRPC技術，這種技術是HTTP 2.0時代的基礎底層數據框架。
全新圖像識別技術，遊戲體驗更絕佳
此次vivo AI lab的研發技術，並沒有選擇以往遊戲的API接口，而是採用了難度係數更高的圖像監測。直接通過圖像識別+模擬操控來打遊戲 ，整體實現難度不可估量。
但這對於vivo而言，直接從圖像監測並獲取遊戲中的各種特徵數據，是為了更好地讓人工智能完整模擬人類從看到屏幕上的圖像效果，以及實際操作的全過程。換言之，這種措施是讓人工智能運轉環境條件更加貼近人類用戶。
結尾
值得一提的是，即人工智能助理Jovi發佈之後，vivo在去年9月份再次迎來全新IoT戰略"Jovi物聯"，使得Jovi可更為便捷的適配到智能家居產業上來。而現如今，vivo AI lab在遊戲領域的造詣更加展示了vivo在人工智能方面的實力。相信未來vivo會帶來更多令人驚喜的創新技術。
閱讀更多 寇藏瓏 的文章
