李根 假装发自 克普鲁量子位 报道 | 公众号 QbitAI看看别人家的玩游戏事迹。在北京大学第42届ACM-ICPC国际大学生程序设计竞赛全球总决赛现场，一款基于《星际争霸II》的AI人机协作挑战赛也在同期进行，主办方启元世界，一家主打决策智能的AI初创公司。比这家初创公司更知名的是其创办者：前阿里淘宝推荐算法团队创始人袁泉（算法P10），以及前阿里搜索广告架构负责人龙海涛，他们都出自阿里电商核心部门。“星际是我们一代人的青春记忆，也是决策智能绝佳的训练场景”，出于对《星际争霸》的热爱，也出于决策智能的笃定，他们在2017年携手创业，并且很快获得高榕资本数千万元天使投资。袁泉和龙海涛，都不简单。袁泉和龙海涛其人袁泉，离职前担任阿里认知计算实验室负责人、资深总监，是手机淘宝、手机天猫推荐算法团队缔造者，2013年到2016年期间率队打造了“千人千面”的手淘推荐系统，因此还拿下了当年双11的CEO特别贡献奖。“有好货”、“猜你喜欢”等电商个性化产品，均出自其间。加入阿里前，袁泉是IBM中国研究院的研究员，从事推荐等智能决策算法的研究，是IBM2011年全球银行业FOAK创新项目发起人。学术方面，还有十余篇论文中标国际顶级会议ACM RecSys、KDD、SDM等，拥有多项中美技术专利，长期担任ACM RecSys审稿人、IEEE Transaction on Games审稿人。龙海涛则是袁泉阿里和IBM中国研究院的老战友。在2013-2017年期间，龙海涛在阿里巴巴负责搜索广告业务的架构设计，主导了其核心的离线系统、在线引擎和索引内核的升级换代，并因此获得了阿里妈妈“最佳团队奖”、“最佳项目奖”和“双十一个人创新特别奖”。IBM研究院期间，他则从事移动计算方面的研究。之后还有过多年成功的技术创业经历，为电信、银行、能源等大型企业提供过IT解决方案。目前，袁泉和龙海涛已经组建起了一支几十人规模的团队，在位于北京海淀区的办公室，整日“吃饭睡觉打游戏”，以及搞AI。AI打星际利用打游戏搞AI，已经不算陌生。广泛一点看，AlphaGo、冷扑大师等标志性的AI事件都在打游戏。即便狭隘一些，DeepMind、OpenAI等知名组织也都希望从星际、DOTA2这样的游戏中寻得AI突破，腾讯则还用AI+游戏进行模型算法研发、训练。那为啥启元世界也选择《星际争霸》？袁泉告诉量子位，《星际争霸》一直是游戏玩家心目中即时战略类的经典之作，历时十多年而不衰，现在之所以成为深度强化学习、决策智能算法研究的一个主要平台和工具，是因为其蕴含了多智能体协作、多任务学习、宏观策略规划等复杂问题，一旦取得部分突破和进展，对商业和社会发展都会带来极大影响。同时，《星际争霸》十多年来积累了非常非常多的数据，还可以从之前的经验中进行学习和优化算法。此外挑战也看得见。第一，比起像围棋或者象棋这种大家都可能看得见的、完全信息下的博弈，《星际争霸》是有战争迷雾的，所以必须去探路、侦查、了解对手的信息，从而在不确定的情况下去做智能决策。第二，有非常巨大的搜索空间。围棋的搜索空间大概在10^170，《星际争霸》在128×128的地图上并且人口上限是400个unit的情况下，它的搜索空间大概在10^1685，比围棋高很多个数量级，这还没有算上其他状态（比如说血量等等）的情况下。所以现有的任意一个单一算法根本不可能解决《星际争霸》里面所有的问题。第三，星际是一个即时对抗类的游戏。如果说正常游戏大概是1秒钟24帧，那在星际中必须在42毫秒之内做出迅速的反应，而且这个反应不是一个action，而是一系列的action，每个unit都会采取行动，这对我们算法的性能、效率、工程上的考虑都是非常大的挑战。第四，时间、空间上的推理。想要玩好星际，必须基于时序上、空间上去做推理，比如说地理位置的优势，坦克如果架在哪里可能会比较好，如果开分机在哪个位置去开会比较有利，甚至于军营造在什么地方，这些对于AI来说都需要进行一个空间上的推理。最后，涉及多个智能体协作。《星际争霸》最高有400个unit，所以需要多个智能体协作，需要多个兵种去配合，这对AI来讲也是一个很大的挑战。可以顺路一提的是，关于AI打《星际争霸》，量子位也有过专门文章介绍，并且传送过暴雪和DeepMind的工具包，感兴趣即可移步。启元世界挑战赛在此次ACM-ICPC赞助活动现场，启元世界也基于《星际争霸II》给出了两道人机协作的挑战赛。赛题一 ：人机协作 vs 机机协作水晶采集赛：在规定时间内，分为A、B两队，每队两个单位分别收集地图上的蓝色水晶。A队为1人加1个具备协作能力的AI智能体；B队为两个具备协作能力的AI智能体。 比赛的关键在于A队中的人和AI能否实时观察、理解对方的意图与行动，并能采取有效的行为进行合理分工，采集到更多的水晶。Reaper争霸：玩家与AI分布操控10个星际争霸II中独具特色一类角色——Reaper，在广袤的场地上进行对抗博弈。Reaper可发射一般子弹，也可以扔出手雷。选手需要审时度势，根据不同的游戏场景，采取灵活的协作博弈策略，操控己方的单位对AI一方进行攻击，取得比赛的胜利。在ACM-ICPC期间，有意者均可前往北大英杰交流中心试试。或者直接寻求拿着薪水打游戏，袁泉说目前公司在算法、工程方面都希望招贤纳士，扩充更多工程师入坑一起“玩游戏”。当然，更长远未来，从《星际争霸》中学习训练的AI，还会进入各行各业，从工业机器人的生产与操控，到自动化农业，智能交通、物联网领域，都不缺乏应用场景。— 完 —