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，Open AI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AI Lab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AI Lab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。