本文系用户投稿，不代表机核网观点
⚠️ 未经作者授权 禁止转载
前言
前言
Tribulation这个词其实直译是苦难、磨难，是一个比“挑战”程度更高的概念。
考虑到AI正在深度改变我们的生活，学习和理解AI对于大部分计算机技术和应用相关的职业来说都是无法回避的——而要了解的东西又如此多，并且商业化产品高速迭代（泡沫也很重），确实对所有人来说学习和使用AI（乃至被AI挤下岗）都是一场磨难。
不过在接受这一前提后，可能慢慢的才能与之共存、从中获益。这篇GDC分享对应的肯定不是AI技术的最前沿，但对于还没有在日常和工作中大量使用AI的人（比如我）来说确实是一个不错的出发点。
我个人对于AI学习的目标大概会定在工具性和理论性的理解上，正如这篇分享中的内容一样，以力求解决实际问题为出发点——如果有分析得不对的地方，也欢迎指正。读这篇分享会以翻译原文稿的PPT页内容为主，信息过少的部分会从视频版总结一些概要；打星号的部分是我个人的补充说明。重要的概念我会从别处摘录一些合适的说明或文献。
1 概述
1 概述
*前面有两页介绍了几位微软的AI开发人员，有些也参与了这个项目，这里省略了。
（游戏包含）8个文明，380以上的单位和建筑，130项科技升级。
城堡与城墙，攻城器械，每个时代两个奇迹，4个时代，3种胜利方式。
海战，两种地形，4种关键资源。（*这里有一段视频演示，PPT里不包含，感兴趣可以去看视频版）
这里展示了两种深度神经网络（后续缩写DNN）的例子，有着不同的监督训练方式：
- 使用标签数据的战斗预判
- 使用增强学习的寻路与战斗
*这里补一张（早期的）深度神经网络的示例图，其中的一个节点可被称为一个感知机。如图中所示，DNN内部的神经网络层可以分为三类——输入层、隐藏层和输出层。实际前沿在采用的各种DNN结构远比这要复杂，节点间可能有卷积、池、连接等各种组织方式。
*监督学习（Supervised Learning）是指使用标注好的样本数据来训练模型，从而使模型能够预测新的未标注样本的输出。
模块化（目标化）的方案——以少量的机器和较少的计算量来训练：
- 目标1：确定何种问题是好的DNN/DRL问题。（*问题可以理解为输入以及模型设计）
- 目标2：确定如何在游戏开发过程中训练模型或策略。
- 目标3：在运行时性能表现良好（以推论的方式）。
- 目标4：不产生不类似人类的行为。
2 监督学习——战斗系统预判
2 监督学习——战斗系统预判
- 问题空间
- 为什么使用监督学习
- 原型开发
- 观察与实现
- 结果和经验
*fitness直译的一个意思是“合适的程度”，后文我还是都翻译成“（开战是否合适的）预判”。
- 给定两组部队，计算应该战斗还是逃跑。
- 启发式的探索许多决策。
- 通常需要补充（决策）。
*返回值是一个0-1之间的值，例如PPT页中写了0.5等于平局。
- 单位是否应发起战斗：是否应开始战斗？合适后退或撤离？需要引入多少增援？
- 单位制造的效用计算。
- 应购买哪项升级。
通过显性公式来模拟伤害模型。
需要数据“反思”。（*这里应该是指结果数据回馈到DNN的过程）
需要考虑的事项：
- 单位生命值和（部队）尺寸
- 武器属性（范围、AOE等）
- 护甲类型
- 科技升级
- 随机数
- 需要经常调用，因而需要能快速执行。
- 难以测试，难以维护。
- 可能需要在运行时“反思”大量数据。
- 数据可能不能明显反映一个单位的效率。
- 组合的可能性爆炸：8个文明、380多个单位和建筑、130项科技升级。
*难以测试和维护——这里是AI类功能的一个要面对的深层问题。
- 我们有一个老师（游戏本身）。
- 不需要（人工）处理战斗中的复杂度。
- DNN模型是离线训练的，并且可以被自动化。
- 运行时的推测功能是高性能的。
- 之前也有人开发过类似的功能。
*PPT页列出的是Michael Robbins的使用神经网络做威胁反馈的案例，文末会给出下载地址。
- 设置一个测试场景来生成战斗数据：随机单位类型和数量；记录初始和最终生命值。
- 通过不同的输入特性来进行实验。（*这里应该是指玩家操作的方式，但文中没有确认）
- 它归纳得如何呢？
- 这里摘录了英国步兵单位的参数。
- 数据集需要几个小时来生成。
- 模型能生成合理的结果。
- 随着战斗次数变多精度逐步提升。
- 考虑更多的单位类型需要更大量的工作。
- 输入特性的选择也比较棘手。
（使用单位的组合作为输入）很简单，也能描述所有战斗类型。
- 需要更多训练数据来提升准确度。
- 需要几天来生成战斗数据。
- 需要结合所有文明和战斗类型进行训练。
- （潜在的）是一个大得不可行的问题空间，几乎不能生成训练数据。
*减少维度后，能有更快的训练时间，在运行时也能更快地执行预测查询。
*archetype的其中一个翻译也是“原型”，但和prototype的意思不同。这里理解成归纳起来的超类更合适，而prototype则是指事物比较初始的样子。
- 将有着同类战斗机制的单位分组。
- 使用组内最弱的单位作为基准，并记1分。
- 确认其它单位和基准的相关强度比例。
- 10个帝国时代长矛手
- 27个黑暗时代长矛手
- 帝国时代长矛手评分=2.7
*右侧依次是：黑暗时代、封建时代、城堡时代、帝国时代。
*可以看到这里整合了同类型的单位，将其转为一个总的分数。当然这样可能失去了实际过程中单位攻击范围之类的参数考虑，但大幅提升了可用性。
- （战斗建模）包括步兵、攻城单位、海军的原型。
- 也包括战斗建筑和治疗者。（*按PPT页来看，380种单位提炼到了41种原型）
- 科技升级如何影响战斗？
- 为每项升级增加新的输入项（0或1）
- 更新战斗数据生成的脚本，随机加入升级项。
- 部分科技升级对单位的提升太微小了，以至于随机性的波动范围覆盖了科技的效用。
- 由于层是全连接的，模型可能会将（结果的）提升归纳于科技和无关单位的联系。
- 基于前置的知识来提供我们自定义的层。
- 从游戏数据中我们能知道一项科技升级能影响哪些单位。
- 训练一个单独的模型来学习升级对于这些单位的效能影响，忽略那些不想关的。
*调整后的DNN结构变为了图中所示，科技升级这个事项有了单独的DNN。
现在我们有了战斗健壮性的解决方案，如何将它引入产品（游戏）中呢？
- 持续的开发和设计变更以及平衡性调整会需要（定期）更新模型。
- 更新包含两部分：原型训练自动化、战斗数据生成。
- 然而，模型训练仍然是手动的。
- 并行执行原型训练。
- 拆分大的原型到不同小组。
- 需要几个小时来完成。
- 单位数量从1对1到40对40。
- 可以是单一单位或不同组合。
- （单位包括）陆地、海军、建筑。
- 以及是否进行了科技升级。
- 20万场战斗计算需要8小时。
- （AI运算是）单一黑盒。
- 不容易确定当模型不准确时具体发生了什么。
- 模型训练仍然是手动的：抽查场景，可以对数据补丁并执行实验；调整数据分布（独立单位或原型）；（补充）数据盲区。
- 会执行大量在修改处的测试。
- 使用TensorFlow和Python/Jupyter Notebook。
- 一些超参数的调节。
- 将保存的模型转为.tflite格式。
- 运行时使用TensorFlow Lite（能提升4倍速度）。
*这里TensorFlow是最早于2015年由谷歌提出的一套机器学习框架，具体点说是一套基于数据流编程的符号数学系统。在国内通过它训练数据常被和一个词联系在一起——“端到端”。当然它肯定也不是唯一的机器学习框架。
*Python/Jupyter Notebook是一个智能化脚本编写工具，斜杠表示不同时期这个软件名称变化过一次（并不是两个分开的概念）。
- 成功将监督学习用于战斗预判的训练：提升运行时表现、能适应持续的修改。
- 并不是完全自动化：遇到问题需要手动调查修改。
- 需要监测各个方面：数据生成、模型准确性。
- 只是一个启发式功能：并不是始终准确、需要额外的补充或保护逻辑。
*到这里的总结符合大家对目前AI化的功能的一个总体感觉，就是——大部分时候可能都还挺好，但是确实没法保证始终稳定如预期运行，一旦出现数据没有覆盖到或者预判错误的情况，可能就整段垮掉，甚至会导致更大范围的程序问题。
3 增强学习——几个优化例子
3 增强学习——几个优化例子
*由于GDC提供的PPT文稿没有附带视频，对演示视频感兴趣的可以通过文末提供的链接去看看视频版。这一段海战部分的讲解几乎都是视频演示。
*增强学习指AI通过与环境的交互来学习。AI会尝试不同的行动，并通过观察结果来判断行动的好坏，逐步学习相对最优的策略。（后面缩写成RL）
- 失败尝试：优化农场建造
- 试炼：可信的海军战斗
- 整合与工程师们的努力
核心循环（组成）：智能体、策略、行为、环境、观察、奖励。
- 左侧：引擎级别的行动——单位微观。
- 右侧：高层级策略和游玩风格——宏观策略。
*农场是游戏中的资源建筑，这部分我会提炼视频内容进行概述。
*这里的课题是想找到最优的建造农场的时间间隔，以兼顾资源和运营。
*第一个面临的问题是：农场产出带来的“奖励”效果是大幅滞后的（甚至10到20分钟后）。
*第二个面临的问题是：训练模型的过程揭示了农场系统的设计问题，一个随机的初级AI模型和一个深度训练的AI模型在农场上的操作差距很小——这一点他们与设计团队进行了反馈沟通。
*总的来说，这里算是选择了不适合RL的课题，因为这部分已经由游戏的功能函数处理得比较好了
*这里展示了第二个课题——海军在海上航行的示意。原视频展示了一段RL船对战脚本船的过程。
以简单的设置开始：
- 全连接网络
- 通过RLlib的近端策略优化
- 在本地机器上训练
*RLlib是一个强化学习库，而Proximal Policy Optimization是OpenAI在2017年提出的一种算法，它能改进策略梯度算法，使训练结果更稳定。基于PPO这个方案会有很多不同的实现，例如大语言模型就应用了这个算法。
- 输入：射线检测
- 对每艘船而言（循环）：到其它船的距离、角度，自身的相对旋转
- 输出的是评分函数和行为策略：向前行动、左右转。
*这里视频版展示了程序执行AI逻辑的船行动路线，会有撞在一起在调转，以及擦到水体边缘的情况。
*这里视频版展示了RL训练后的路径，能更好的分组、转向、避开浅水区。
将模型建立在（有着高影响的）范围较窄的应用上。
潜在的瓶颈：
- 神经网络训练
- 游戏采样收集
*这里主讲人解释了：由于这里神经网络模型比较简单，所以主要瓶颈还是在数据收集方面。
调整虚拟机的规模来并行执行游戏实例。
加速游戏执行的过程：
- 使用无显示模式（不需要渲染）。
- 加速重启的任务过程（*通过python脚本）。
*这里Headless Mode是一种计算机运行模式，指在没有显示器、键盘或鼠标的情况下运行。这里分享人在视频中解释了是通过python脚本与虚拟机通信来执行一些操作，并开发了快速重置战斗环境的脚本。
输入增加了：上次攻击的间隔、生命值。
输出增加了：攻击左侧或右侧。
*这部分我配合视频中的讲解概述一下。
*主讲人主要介绍了应该选择那种多单位策略，是共享一个神经网络agent还是每个单位各有一个。如果是共享一个，在单位数量上升时复杂度就会上升。
*这里他们选择的是右侧的方案——每个单位一个agent。
*在这个基础上，他们要确认是每个单位独立计算权重（各自决策），还是共享权重与数据（集体决策）。这里他们选择的是右侧的方案——共享权重。
*由于是多单位共享网络，因此在训练后就有一个权重固化的过程。
*这里展示了一段4V4舰船战斗，RL的舰船学会了集火一个目标，而程序AI舰船没有编写这一策略。
*可以看到耗时几乎是固定规模（32比1没有明显增加）。同时分享人还指出，如果经过优化后能增加额外5倍到80倍速度。
*这部分主讲人对设计AI模型的一些心得进行了总结。（主要就是汇总了前面提到的一些点）
*概括一下，这里主讲人主要提出了标签化（labeled）这么一个思路。
*这里左侧的消砖块游戏，分享人认为能很好的符合RL的范式，因此能有很好的训练效果；而右侧的《蒙特祖马的复仇》这个游戏中，由于是长流程关卡型游戏，RL训练的效果就相对不好。
结语
结语
2024年AI大模型相关的应用已经传递到了电动汽车中控系统、3D建模及动画、视频生成等各个方面，比起2023年以图片生成和文字处理为主的热点来说发展更加迅猛。
在近一年的时间里，AI在游戏行业的应用已经逐步降低门槛，以至于能够丝滑不出戏地应用于游戏的功能中。常见的比如图像识别“捏脸”，AI对话的NPC角色等。
近期《暗影火炬城》的开发商公布了新作《代号：动物朋克》的AI向技术演示【链接】，感兴趣的可以去看看——其中应用的内容包含语音识别、生成对话、辅助生成贴图资源等，整个运行过程是实时运算无延迟的。比起电动汽车行业“端到端”那种为了噱头而AI化的应用来说，至少这个展示里的NPC对话部分还是比较有建设性的（可能游戏就是有这点好，比较初级的实现能拿出来图一乐，不至于出现智能驾驶那种大是大非的问题）。而比较初级的自动对话和3D模型生成，似乎国内大厂的一些网游产品中已经作为兴趣点接入了。
以我个人的预测，（不限于这个游戏）解析式AI的识别盲区，以及生成式AI的难以连续固化这类问题也会伴随存在，或许到时候新的BUG类型很多会是AI导致的（难重现、难维护）。而玩家是否真的需要游戏中这么重度的使用AI技术，也需要产品来验证——既可能让一个世界栩栩如生，也可能让内容充斥赛博垃圾，这或许就是这个硬币的正反面了。
推荐收听了机核会员节目的可以反复听听《原型》系列中人工智能这一期，尤其是后面麦教授和赵老师对谈的部分，或许更能加深对AI（以及技术生活现状）的理解。
考虑到马上春节了，我个人在一年里大部分时间保持了周更的文章会暂停两周左右（鸽了），之后继续更新的同时应该会增加AI类知识学习的比例。最后祝大家都能从游戏中获得快乐！
最后是资料链接：
评论区
共 2 条评论热门最新