啟元“智能體訓(xùn)練云平臺”發(fā)布現(xiàn)場
繼AlphaGo之后，AI在世界人機(jī)大戰(zhàn)中再一次獲勝。
6月21日，在啟元世界舉辦的國內(nèi)首屆《星際AI頂級職業(yè)選手挑戰(zhàn)賽》中，啟元“AI星際指揮官”以2:0的成績戰(zhàn)勝《星際爭霸I/II》全國冠軍黃慧明（TooDming）和黃金總決賽冠軍、最強(qiáng)人族選手李培楠（Time）。
本次比賽是全國首次現(xiàn)場直播星際AI與人類頂級職業(yè)選手的對戰(zhàn)。
與圍棋相比，《星際爭霸》屬于不完全信息博弈，戰(zhàn)爭迷霧對AI的戰(zhàn)略規(guī)劃、布局、決策提出了更高的要求。而且在決策空間上，圍棋只有361種，星際2大約有1026。因此，更具挑戰(zhàn)性的《星際爭霸》成為了AI與人類較量的下一個競技場。
據(jù)了解，“星際指揮官”是由啟元世界（北京）信息技術(shù)服務(wù)有限公司（以下簡稱：啟元世界）圍繞智能體訓(xùn)練云開展技術(shù)、研發(fā)型產(chǎn)品。
公開資料顯示，啟元世界成立于2017年，是一家認(rèn)知決策智能技術(shù)研發(fā)公司，基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超大規(guī)模并行計算等技術(shù)，搭建了深度強(qiáng)化學(xué)習(xí)算法平臺，以在線游戲?yàn)閷?shí)驗(yàn)平臺，快速驗(yàn)證智能體算法，致力于打造決策智能、構(gòu)建平行世界、激發(fā)人類潛能。
2018年12月，啟元世界完成知名投資機(jī)構(gòu)Pre-A輪融資。目前，啟元“智能體訓(xùn)練云平臺”已在全國數(shù)十家商業(yè)組織和機(jī)構(gòu)進(jìn)行合作，其覆蓋了數(shù)字娛樂、公共科技、機(jī)器人等行業(yè)。
啟元世界創(chuàng)始人袁泉向鈦媒體表示，《星際爭霸》無論從戰(zhàn)斗、戰(zhàn)役、戰(zhàn)略經(jīng)濟(jì)等層面，都蘊(yùn)含了人類感知、認(rèn)知決策的訓(xùn)練環(huán)境，所以在公司成立的第一天他就確定以《星際爭霸》為研究環(huán)境，并且堅信它是孕育下一代新人工智能體非常好的訓(xùn)練平臺。
事實(shí)上，在此次比賽之前，自2018年在第38屆ACM全球總決賽亮相并發(fā)布AI人機(jī)協(xié)作挑戰(zhàn)賽以來，“星際指揮官”不斷收獲優(yōu)異成績：
2019年9月達(dá)到白金水平，3:0擊敗人類黃金級選手；2019年12月達(dá)到鉆石級水平，并在人工智能頂級峰會NeurlPS上現(xiàn)場展示。
究竟“星際指揮官”與圍棋有何不同，啟元世界CTO龍海濤從博弈和決策空間的角度作出了解釋，“從博弈的角度來看，圍棋是一個完全信息的博弈，棋子之中黑子、白子都可以看到；而《星際爭霸》則屬于非完全信息博弈，像猜拳一樣，人類選手需要不停地猜測對方在干什么，下一步動作是什么。”
龍海濤介紹，從決策空間來看，圍棋是回合制，在19乘19的格子之中，每次決策在361個點(diǎn)進(jìn)行選擇動作；《星際爭霸》則是有決策主體、決策目標(biāo)，每分鐘的決策次數(shù)在300-400次頻率，整個空間加起來有10的26次方，這是每次AI作決策可能性的來源，而且要做兩千、三千次決策，才有可能戰(zhàn)勝頂級的人類選手，這是對AI訓(xùn)練的巨大考驗(yàn)。
啟元世界也在從工程和算法兩個層面各進(jìn)行了深層次的優(yōu)化，通過乘數(shù)效應(yīng)的疊加最終實(shí)現(xiàn)了看似不可能的“奇跡”。
袁泉透露，《星際爭霸》僅僅是智能體訓(xùn)練云的一塊“試驗(yàn)田”，啟元世界的目標(biāo)是通過智能體訓(xùn)練云平臺幫助各行各業(yè)訓(xùn)練出自己的智能體，助力產(chǎn)業(yè)升級。
智能體訓(xùn)練云平臺會提供方便的編程接口，供智能體開發(fā)人員調(diào)用高效的算法庫、網(wǎng)絡(luò)模型庫及訓(xùn)練方法，快速開發(fā)構(gòu)建自己的智能體。同時，平臺還會根據(jù)訓(xùn)練任務(wù)進(jìn)行彈性算力調(diào)度，匹配智能體的推演和訓(xùn)練速度，實(shí)現(xiàn)高效率的超大規(guī)模并行訓(xùn)練。
袁泉講述了七步打造智能體訓(xùn)練云路徑：
第一步，環(huán)境配置。構(gòu)建智能體訓(xùn)練環(huán)境，無論是《星際爭霸》、數(shù)字孿生環(huán)境、仿真環(huán)境等，讓AI智能體在環(huán)境中不斷探索、交互。
第二步，智能體設(shè)計。平臺將提供編程接口，供開發(fā)人員調(diào)用底層數(shù)十個算法庫、網(wǎng)絡(luò)模型庫以及智能體的訓(xùn)練方法，快速開發(fā)構(gòu)建自己的智能體。
第三步，算力調(diào)度。主要是針對大規(guī)模協(xié)作的時候，比如某一個特定的任務(wù)到底需要分配多少CPU、GPU、大內(nèi)存，甚至是萬兆通信網(wǎng)絡(luò)這些資源，能夠更好地適應(yīng)任務(wù)訓(xùn)練自己的智能體。
第四步，自我對抗學(xué)習(xí)。將配置好的智能體進(jìn)行對抗學(xué)習(xí)和演練，就像“星際指揮官”一樣，在對戰(zhàn)場景下不斷試錯、學(xué)習(xí)和自我迭代，不斷調(diào)整最優(yōu)對策。
第五步，對抗樣本。支持?jǐn)?shù)百個實(shí)體單元的大規(guī)模并行對抗訓(xùn)練，可解決10的26次方復(fù)雜動作空間決策問題，達(dá)到甚至超過人類高手水平。
第六步，智能體模型。隨著訓(xùn)練時間的增長包括平臺提供穩(wěn)定訓(xùn)練的特性，能夠幫助大家發(fā)掘到最優(yōu)的智能體策略。
第七步，評估部署。將最終訓(xùn)練好的智能體接入仿真推演環(huán)境，讓智能體背后的AI系統(tǒng)進(jìn)行各種環(huán)境應(yīng)對策略決策。
按照袁泉的規(guī)劃，啟元世界將致力于把智能體帶入每個行業(yè)、每個家庭、每個人，提升產(chǎn)業(yè)效能和生活體驗(yàn)，為公共科技、數(shù)字娛樂、電力能源、交通物流等行業(yè)提供基于平臺產(chǎn)品的人工智能解決方案。（本文首發(fā)鈦媒體，作者/郭虹妘，編輯/蔡鵬程）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論
鈦媒體的文章還是不錯的