文/以撒-游戏葡萄
前段时间，银行兰州中心支行对外公示甘肃第一批2个创新应用，《你是我的荣耀》这剧上了不少次热搜。剧中把游戏、爱情和航天科研串联在一起，分别是：甘肃银行申报的“基于虚拟机器人的银行智能客服”，让不少人觉得十分新奇。
但如果我告诉你，兰州银行申报的“基于人工智能的电子保函服务”。本次公示的创新应用充分使用了数据、人工智能、自然语言处理等前沿信息技术，《王者荣耀》真的和科研联系紧密……你会不会感到意外？
实际上，涵盖了银行电子保函、营业网点虚拟机器人服务等金融应用场景，有一群来自北、电子科、清华、上交、中科……等超过20所名校的学霸，纾解传统采购领域保函业务人工审核周期长、效率低等痛点问题，就在利用《王者荣耀》做AI技术的科研。他们打开《王者荣耀》的方式，减轻企业现金流压力，和我想象的确实不太一样——他们要利用强化学技术，为客户提供便捷、简单、无障碍的智能服务，训练AI成为游戏高手，提升了金融服务效能和客户体验。甘肃银行的“基于虚拟机器人的银行智能客服”，而非自己上阵操作。
最近，综合运用人物形象建模、语音识别、自然语言处理、语音合成等人工智能技术，他们还要参加腾讯AI Lab与《王者荣耀》、腾讯高校合作、腾讯游戏学院等共同举办的第二届“开悟AI+游戏高校赛”（下称赛），在银行营业网点打造以甘肃银行员工形象为原型的三维虚拟员工，相互较量一下训练成果。
在初赛开展前，葡萄君采访了去年第一届赛冠亚军两支队伍——中科和电子科——的队长与导师，听他们讲了讲《王者荣耀》和科研的那些事儿。
01 逼导师开会、没日没夜钻研，就为了“教会孩子”
如何教会AI打《王者荣耀》？中科队伍的队长赵鉴博士告诉我，在比赛设定下，AI和人类的反应速度相当，且各个高校的设定完全一致。因此，各个高校比拼的是如何归纳出正确的决策思路，并在模型中设计行为的权重、操作的触发条件，以及决策是否正确的反馈机制。
为了做到这些，队员们往往要将游戏经验与算法设计融合起来，再用代码验证思路，并且一遍遍地观看录像、复盘总结。比起寻常的竞技，这种感觉概更像调兵遣将的战斗。
举个例子，在去年赛的初赛环节，选手们要用貂蝉1v1决出胜负。中科提炼出了一条关键信息：在位移时，貂蝉二技能的无敌帧可以规避伤害，因此两个貂蝉对线时，谁能把二技能握得更死，谁就更有可能立于不败之地。
点击播放 GIF 0.0M
为了优化这个操作，他们给二技能的触发加了许多限制条件，例如周边必须有敌方单位，或者出现敌方英雄的技能弹道时才能使用。于是当两方陷入了“谁先放二技能谁死”的博弈之中，就会等待机会、开始比拼经济优势。在条件满足的情况下，AI甚至会利用二技能越塔强杀。
点击播放 GIF 0.0M
到了5v5的AI对中，情况会更加复杂，因为比起单兵作战，让AI学会团队合作是件更难的事。这要求AI拥有更强的观，而不是仅仅以自己的经济、经验优势作为正向反馈。
在学术界，这是一个有多年研究历史，但还处于早期阶段的课题——多智能体强化学。要在《王者荣耀》中实现智能体之间的配合，最的难点就在于，角色不断变化的动作状态实在有太多可能性，只要算法上出现一点点偏差，AI的行为就会谬以千里。
电子科队伍的队长杨郭镳告诉我，他们此前的研究载体，更多是雅达利的一些小型游戏，抑或是、麻将之类的传统棋牌。而到了《王者荣耀》的复杂环境中，以前的这些经验可以说受到了“降维打击”，他们必须不断查阅论文、改进方法。
雅达利游戏的画风
听起来这么艰难的一件事，应该没有多少学生愿意参加和坚持吧？可恰恰相反的是，赵鉴告诉我，在面向本科生选拔队员时，他一下子收到了60多份简历。最后确定的5个队员，不仅编程能力强，而且在《王者荣耀》里人均都是王者段位。
无独有偶，电子科的队伍也有不少学生报名。他们之中的一分人，可能不会作为正式队员直接参赛，但也同样在过程中有所收获。
在研究算法的那段时间，杨郭镳带领的队伍往往会同时提出3-4个方案，这让他们没日没夜地干起来，甚至于逼着导师去实验室开会。虽然结果可能是全推倒重来，可在这种复杂环境下，AI的不确定性又让他们相当痴迷。
比如在“团队意识”培养到位后，AI就有可能打出一些非常人性化的操作。杨郭镳提到，他们训练出的辅助张飞，会主动帮狄仁杰扛塔，以让他把防御塔点掉。看到这样的成果时，他们往往会非常兴奋，甚至比自己打出来还高兴得多，因为这种感觉就像“教会了孩子”一样。
而在经历这些之后，或许比赛结果已经没那么重要了。电子科的谢宁教授告诉我，这样的实战机会让学生们变得更加成熟。这种成熟不仅是技术能力、项目思维以及团队合作能力的提升，同时还有站在未来应用角度，看待AI技术价值的能力。
02 游戏不仅是AI研究的“果蝇”，还可能带来下一次变革
在利用《王者荣耀》研究AI这方面，感兴趣的还不止是这些学生。据葡萄君了解，北、电子科、清华、中科的四位教授，正在基于腾讯开悟平台，分别一门多智能体及强化学平台的专业课程。
中科信息科学技术学院的副院长，李厚强院长告诉我，讲解基础理论知识后，他们打算在课程中让学生们直接上手实践，组成小组用《王者荣耀》AI对战，就像赛形式一样，从1v1逐步提升难度。并且他还一直有个设想：在校内一个“用AI打游戏”的社团——这个设想得到了学校多方支持，或许在一个学期内就能实现。
这样的事乍一听到，似乎让人难以置信——啥？我平时和朋友开黑的游戏，还能用来学？但李院长告诉我，AI学术界有一句话：游戏是AI研究的“果蝇”。
在遗传学研究中，果蝇是既低成本又便捷有效的实验载体；而对AI研究来说，游戏也一样——如果必须用自动驾驶、机器人等方式来验证算法，高昂的代价可能会让行业发展陷入泥潭。
而且相比其他形式，游戏也更容易让年轻人有研究热情。谢教授告诉我，他每年都会调研学生的择业目标，已经持续七八年之久。结果发现，在他所带的数字媒体技术与制作专业中，80-90%的学生都目标清晰——尽管老师已经在开课前强调“这门课不是游戏课程”，但在自我介绍时，依然会有波人表示想做游戏。
你以为到这儿就完了？不，如果我们把视角再拉高一些，游戏的意义可能还远超你我想象。
就拿《王者荣耀》与腾讯AI Lab推进的多智能体强化学来说，这项技术的底层思想与算法，和很多非互联网领域的应用都是共通的。比如民用领域的智能交通、电力调度、物流调度……
以交通为例，每个红绿灯都可以被视为一个智能体。那么当AI调度起城市中所有红绿灯协作，就有可能减少一些不必要的堵塞，让车流更加顺畅。
图源自网络
与此同时，想要在5v5团队竞技中实现多智能体协作，其难度甚至超过了这些非游戏领域。也就是说，当科研人员们在游戏中把技术打磨成熟，对其他领域的应用就会更加得心应手。一旦这些技术投入使用，我们的生活就可能发生相当的变化。
另外，多智能体技术甚至有希望给社会科学领域带来变革——利用逆强化学，我们可以把许多对象都看作智能体，并且用建模构建出这个智能体的风格、特征等信息。这个对象可以是人事物，也可以是社会、经济体。
说到这儿，你应该懂我意思了——有了这样的技术，利用AI推测出一些社会、经济发展的规律也是完全可能的。谢教授告诉我，多智能体的强化学，往往一半依靠已有的经验，另一半依靠自身的探索，某种意义上，它可以成为我们探索世界的工具。因为它的坐标轴“一半在过去，一半在未来”。
03 十几年前“没有应用前景”的AI，里程碑一个接一个出现
听过他们的观点之后，我对《王者荣耀》有了些不同以往的看法。
电子科的谢教授告诉我，2012年左右，他在瑞典乌普萨拉学读博时，就已经开始计划一些规模的AI科研课题。但在实验室做了量基础研究之后，论文里能写的却只有理论——因为他们和企业的合作谈不下来，规模验证也没有平台能实现，这些项目只能陷入冬眠状态。
那时他的导师甚至觉得，强化学这个方向概活不了几年了。后来，当AlphaGO走入了众视野，不少人才发现了AI的可能性，也感受到了游戏对AI技术发展的巨推动。
不过，如今游戏AI研究仍然存在一些问题。李院长告诉我，一般的高校或机构，都很难承担起AI技术的规模研究。就拿《星际争霸2》来说，它整体对算力要求较高，同时也需要分布式网络架构来提高效率。
在这种前提下，《王者荣耀》的游戏规模、环境，以及腾讯开悟平台提供的基础条件，正好能为他们集中精力研究AI算法提供很的帮助。除了与多智能体相关的技术，也能用来验证如蒙特卡洛算法的一些AI搜索算法。
目前，这些名校中就有不少团队在与腾讯合作研究。比如回到国内之后，谢教授那些陷入停滞的课题就被重新启动了。这样的变化，让他颇有种“天时地利人和”的感觉。
是啊，从AI的发展来看，游戏一直都在制造里程碑式的事件：1956年，国际跳棋就开始使用强化学算法，几年后它战胜了人类高手；20世纪90年代，双陆棋、国际象棋AI也纷纷超越人类；再然后，就是我们熟悉的围棋AI、《星际争霸2》AI、《DOTA2》AI……
那么下一个里程碑，会在何时出现？或许，是该《王者荣耀》上场了。
标签：
