文章主题：关键词：人机游戏, AI, 游戏AI, 图灵测试
游戏中的人工智能所面临的技术、挑战和机遇。
机器之心报道，机器之心编辑部。
🎨🎮历史悠久的AI游戏不仅见证了技术的进步，更是人工智能实力的试金石。🎯图灵挑战赛的提出，开启了人类与机器智勇对决的篇章，激发了无数科研者研发顶尖AI来对抗顶尖职业玩家的斗志。🌟1989年，Chinook这款国际跳棋程序横空出世，雄心勃勃地瞄准世界冠军，1994年的胜利更是震惊棋坛，当时的美国西洋跳棋大师Marion Tinsley成为它的首个手下败将。🚀随后，IBM的深蓝在1997年对弈国际象棋大师Garry Kasparov的壮举，不仅刷新了纪录，更引领了棋艺领域的革新篇章。🏆这些里程碑式的胜利，无疑为AI技术的发展注入了强大动力，也展示了其无尽的可能性。
🏆🎮人工智能的飞跃进步🌟——游戏AI的革新之路🚀近年来，游戏界的科技革命令人瞩目，一系列AI巨头的崛起引领我们步入一个崭新的竞技时代。从Atari的初试啼声，到AlphaGo围棋的震撼胜利，再到Libratus和OpenAI Five的卓越协作，再到AlphaStar的星际争霸壮举，每一里程碑都标志着决策智能领域的飞跃跃进。这些AI不再仅仅是数字的运算者，它们巧妙地融合现代科技，挑战着人类在游戏世界中的地位。每一步突破都像催化剂，加速了游戏行业的进化，让玩家与机器的互动更加深度且富有挑战性。🏆值得注意的是，这些里程碑不仅展示了技术的力量，也提醒我们，人工智能正逐步渗透到日常娱乐中，为我们的游戏体验带来翻天覆地的变化。🚀SEO优化提示：游戏AI、决策智能、科技革新、人类挑战、游戏进化、娱乐体验等关键词。
🏆AlphaStar与OpenAI Five的辉煌🌟，引领人工智能在星际争霸和 Dota2 中达到顶尖水平，展示了复杂不完美信息处理的强大能力。就像王者荣耀等热门游戏背后的创新，它们都遵循着相似的AI框架路径。🚀那么，人机游戏AI的未来之路将何去何从？🤔中国科学院自动化研究所与大学的研究者们，通过深入剖析当前技术，为我们揭示了这一领域的未来趋势和挑战。🔍让我们期待AI如何进一步提升游戏体验，同时也在探索智能与人性交融的新可能。🏆#人工智能# #人机游戏# #未来趋势
论文地址：https://arxiv.org/pdf/2111.07631.pdf
🏆研究深入探讨了六种不同类型的游戏，包括围棋的智慧对决棋盘游戏，纸牌竞技的德州扑克与麻将，FPS射击的经典雷神III，以及RTS策略的星际争霸和Dota2。每款游戏都配备了顶尖AI，如AlphaGo Zero、DouZero、Suphx等，它们在各自的领域展现出超凡的实力。👀图1以简洁的方式展示了这些游戏与AI的紧密联系。通过分析这些游戏中的AI技术，我们揭示了人工智能如何在娱乐中崭露头角并引领潮流。🌐SEO优化词汇：围棋策略、纸牌竞技热、FPS射击经典、RTS战术深度、Alpha家族崛起、游戏AI趋势。记得关注未来游戏科技动态哦！🏆
本文调查的游戏以及 AI
🏆📖🚀Game AI Evolution: A Comprehensive Analysis 🤖🔍章节概览：1️⃣ 🔎 第2节：揭示游戏世界与AI交织的深度探索 🧠💻2️⃣ 🚀 第3-6：棋盘智斗，纸牌策略，FPS疾速与RTS战术，AI各领风骚 🕵️♂️🃏FPS🔥(strategy)3️⃣ 🎲 棋盘游戏智慧：算法的巧妙布局 🧬Chess4️⃣ 🔺 纸牌游戏智巧：数学与策略交织的胜利 🪙Poker5️⃣ 🏆 FPS竞技场：速度与智能并进 🏃♂️FPS: AI动态解析6️⃣ 🌈 RTS战术演练：全局视野下的较量 🗺️RTS: 战略AI详解7️⃣ 📊 技术大比拼：游戏AI技术的多样性与差异性 🤝Tech Comparison8️⃣ 🛠️ 当前挑战：AI进化路上的绊脚石与未来研究重点 🚪Challenges & Future Focus9️⃣ 🌟 总结与展望：游戏AI的现在与未来，一场创新之旅 🚀Future Prospects论文以详实的研究和深入探讨，引领读者穿越游戏世界，领略AI技术在不同游戏类型中的卓越表现。每一章节都如一串璀璨的珍珠，串联起游戏与AI的智慧碰撞，为这个领域的发展提供了宝贵的洞察。
典型的游戏和 AI
下表提取了不同游戏挑战智能决策的关键因素，如表 1 所示：
🏆游戏AI大揭秘🔍：不同类型游戏，定制专属智慧💪从上表中，我们深入剖析了各类游戏与AI的完美匹配之道。每种游戏的独特性决定了其AI解决方案的独特性——棋盘游戏领域，AlphaGo家族以其卓越策略引领；纸牌游戏世界，Libratus、DeepStack等智慧牌手各展所长；麻将桌上，DouZero和Suphx精准应对；FPS竞技场，FTW专为雷神III定制；星际争霸、Dota2与王者荣耀，则分别由AlphaStar、Commander和OpenAI Five的智勇对决点亮。每一步棋都精心计算，每一次对决都蕴含深意。游戏AI的发展，就像一场科技与艺术的交响乐，每个音符都在讲述着智能如何在游戏世界中演绎精彩篇章。让我们一起期待，未来AI将如何继续提升游戏体验，创造出更多超越想象的游戏奇迹！记得关注我们，获取最新AI动态哦！🏆
不同游戏对应的 AI
棋盘游戏 AI
AlphaGo 系列由 AlphaGo、AlphaGo Zero 和 AlphaZeo 组成。2015 年问世的 AlphaGo 以 5：0 击败欧洲围棋冠军樊麾，这是软件首次在全尺寸棋盘对职业棋手的比赛中取得这样的成绩。之后，DeepMind 为 AlphaGo Zero 开发了新的训练框架，事先无需专业的人类对抗数据，取得了卓越的表现。AlphaZero，是一种通用强化学习算法。AlphaGo 系列总结如图 2 所示：
AlphaGo 系列框架图
纸牌游戏 AI
纸牌游戏作为典型的不完美信息游戏，长期以来一直是人工智能的挑战。DeepStack 和 Libratus 是在 HUNL 中击败职业扑克玩家的两个典型 AI 系统。它们共享基础技术，即这两者在 CFR 理论上相似。之后，研究人员专注于麻将和斗地主这一新的挑战。由微软亚洲研究院开发的 Suphx 是第一个在麻将中胜过多数顶级人类玩家的人工智能系统。DouZero 专为斗地主设计，这是一个有效的 AI 系统，在 Botzone 排行榜 344 个 AI 智能体中排名第一。纸牌游戏 AI 的简要框架如下图所示：
纸牌游戏 AI 的简要框架
第一人称射击（FPS）游戏 AI
雷神之锤 III 竞技场是一款典型的 3D 多人第一人称视角电子游戏，其中两个对立的团队在室内或室外地图中相互对抗。CTF 设置与当下多人电子游戏有很大不同。更具体地说，CTF 中的智能体无法访问其他玩家的状态，此外，团队中的智能体无法相互通信，这样的环境是学习智能体进行通信和适应零样本生成最优测试平台。零样本意味着智能体进行协作或对抗不是经过训练而来的，可以是人类玩家和任意的 AI 智能体训练而来，仅基于像素和人类等游戏点作为智能体的输入，学习智能体 FTW 框架可以达到人类级性能。游戏 CTF 的 FTW 框架如下图所示：
游戏 CTF 的 FTW 框架
RTS 游戏 AI
RTS（即时战略）游戏作为一种典型的电子游戏，多达数万人相互对战，RTS 通常被作为人机游戏的试验台。此外，RTS 游戏通常环境复杂，比以往游戏更能捕捉现实世界的本质，这种特性使得此类游戏更具适用性。DeepMind 开发的 AlphaStar 使用通用学习算法，在星际争霸的所有三个种族中都达到了大师级别，其性能超过 99.8% 的人类玩家（总数约 90000 名玩家）。Commander 作为轻量级的计算版本，遵循 AlphaStar 相同的训练架构，使用更少的计算量级，并在现场赛事中击败两名特级高手。OpenAI Five 旨在解决 Dota2 游戏，这是第一个在电子竞技游戏中击败世界冠军的 AI 系统。作为与 Dota2 比较相似的电竞游戏，《王者荣耀》面临的挑战最为相似，觉悟成为第一个可以玩完整 RTS 游戏而不限制英雄池的 AI 系统。典型 RTS 游戏的简单 AI 框架如下图所示：
一个典型 RTS 游戏的简单 AI 框架
挑战和未来趋势
尽管计算机游戏已经取得了很大的进步，但当前技术仍然面临着诸多挑战，例如大量依赖计算资源等，这将激发未来的研究。
大模型
如今，大模型，尤其是预训练大模型，正在从自然语言处理发展到计算机图像处理，从单模态到多模态。即使在零样本设置中，这些模型也证明了其在下游任务的巨大潜力，这是探索通用人工智能的一大步。
OpenAI 开发了 GPT-3，它拥有超过 1750 亿个参数，并在各种语言相关任务中表现出良好的性能。然而，游戏中的大模型基本没有，当前复杂游戏的模型比那些参数多的大模型要小得多。如表 2 所示，AlphaStar 和 OpenAI Five 分别只有 1.39 亿和 1.59 亿的参数：
考虑到大模型是对通用人工智能的一个比较好的探索，如何在游戏中为人工智能设计和训练大模型，可能会为那些时序决策领域提供新的解决方案。为了进行这样的尝试，该研究认为至少应该仔细考虑两个问题：
首先，游戏任务与自然语言处理任务非常不同，因此如何明确训练目标是大模型的关键步骤；其次，由于游戏难易程度不同，如何设计合适的训练机制比较困难。训练方法应该能够处理各种游戏并确保学习不会退化。
低资源 AI
为了在复杂环境中训练专业级 AI，通常需要大量的计算资源。从表 3 得出我们需要大量的资源投入来训练 AI。
我们不禁会问，是否可以在资源有限的情况下训练出专业级的人工智能。一个直观的想法是引入更多的人类知识来辅助学习，强化学习可以说是未来的一个发展方向。另一方面，开发出理论和易于计算的进化策略，将是低资源人工智能系统的关键一步。
评估
目前，对智能体的精确评估成为一个难题。人机游戏通常采用基于获胜概率（对职业人类玩家）的评价标准，如表 4 所示。但是，这种评价比较粗糙，尤其是在有限的非迁移游戏测试下。如何为大多数游戏制定一个系统的评价标准是一个重要而开放的问题。
通过这篇文章，研究者希望初学者能够快速熟悉游戏 AI 这个领域的技术、挑战和机遇，并能启发在路上的研究人员进行更深入的研究。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
