DeeCamp2019人工智能訓練營在北京中國科學院大學雁棲湖校區(qū)舉辦全國成果展示暨結營儀式?？焓职l(fā)起的實踐課題“挑戰(zhàn)快手小游戲AI”、“端上AI助你走進名畫”分別獲得DeeCamp2019最佳團隊獎、最佳技術獎。

DeeCamp人工智能訓練營由教育部、創(chuàng)新工場、北京大學聯(lián)合主辦，今年有超過1萬人次報名，最終600名學生入選。4周的時間內(nèi)，學員接受了頂級 AI 大牛導師的「學術+產(chǎn)業(yè)」課程培訓，共計完成了 50 個 AI 實踐課題。

“挑戰(zhàn)快手小游戲AI”獲最佳團隊獎

4周時間，學員們完成了由 22 家企業(yè)發(fā)起的 50 個 AI 相關課題，接受了總計 115 位來自企業(yè)的技術負責人和工程師的課題輔導。實踐課題全部基于真實世界場景精心設計，力求貼近產(chǎn)業(yè)一線需求、提高學生動手能力。其中4個課題為快手發(fā)起，包括挑戰(zhàn)快手小游戲AI、端上AI助你走進名畫、多模態(tài)AI音樂生成、質量感知的媒體傳輸優(yōu)化。結營儀式當天，“挑戰(zhàn)快手小游戲AI”獲得最佳團隊獎，“端上AI助你走進名畫”獲得最佳技術獎。

斗地主要解決的是不完美信息下博弈問題，是要在無法看見其他玩家手牌的前提下，對游戲中的14種合法牌型、13551種合法出牌、10的30次方的狀態(tài)空間和10的85次方的游戲樹進行全面考慮，整體難度較高。從技術角度看，該項目將游戲領域內(nèi)的領先核心算法應用到斗地主中；其次，結合RankSVM思路，設計了新的斗地主監(jiān)督學習模型；小組還設計了多個強化學習模型，使用強化學習進行多模型融合。

項目團隊沒有一味追求勝率，通過調(diào)試做到一個和人類玩家相似的勝率結果，更加擬人化。當人類與人類對戰(zhàn)時，人類作為地主的勝率為52.4%、作為農(nóng)民的勝率為47.8%；而該項目小組研發(fā)的AI在與人類進行對戰(zhàn)時，AI作為地主的勝率為58.6%、作為農(nóng)民的勝率為41%。

快手導師：學員們的探索性方法帶來驚喜

快手游戲聯(lián)合實驗室提供了此次“挑戰(zhàn)快手小游戲AI”的課題，并指導學員完成此次實踐課題。該課題給學員提供了一個設計游戲AI從0到1的完整歷程，學員能體驗到跟自己設計的AI共同成長的默契。快手游戲聯(lián)合實驗室，致力于利用人工智能技術全面賦能游戲，使用戶獲得更佳的游戲體驗，同時進行前沿的人工智能技術研究及應用。

“不完美信息博弈是非常有挑戰(zhàn)的AI難題，學員們產(chǎn)出的探索性結果和方法也給我們帶來了驚喜，我們會加大投入探索不完美信息博弈的游戲”。 快手游戲聯(lián)合實驗室劉霽介紹說，不完美信息博弈是非常挑戰(zhàn)的AI難題，斗地主AI的難題在于它是一個3人游戲；兩人組隊合作跟另外一個人博弈，如何組隊，以及隊內(nèi)信息又是不共享的，這使得斗地主的博弈問題更加復雜；既需要算法的精巧設計，又需要高效得利用算力。

快手導師迅速幫助學員們抓住課題重點，從叫牌階段策略，出牌過程策略，預測對方牌型等側重點進行指導。利用游戲AI的經(jīng)驗，初步提供了不同的AI模型在游戲中的基本能力和實現(xiàn)效果，強調(diào)了非全信息下的博弈難度，便于學員們進行理解和選擇，學員在2天的時間內(nèi)快速確定了最終的開發(fā)框架。

因為斗地主是不完美信息博弈沒有成功的經(jīng)驗可以借鑒，快手導師指導團隊制定一個套多模型融合的策略，把基于規(guī)則的AI，基于強化學習的AI，基于蒙特卡洛搜索的AI（Alphago的思路），基于CFR的AI（德州撲克的思路），以及基于模仿學習的AI通過一個整體的強化學習AI融合一起。時間緊任務又有挑戰(zhàn)的情況下，快手導師提供了對每一種AI設計方案方向性的指導并且參與細節(jié)的討論，最終學員圓滿完成課題。

快手游戲聯(lián)合實驗室于明澤介紹說，這次的課題在學術上存在挑戰(zhàn)，有助于推動產(chǎn)學研結合。快手游戲聯(lián)合實驗室提供了豐富的AI應用場景，比如驗證游戲核心玩法、文字音頻圖形的AI處理、數(shù)據(jù)分析、個性化決策、自動推薦等。游戲環(huán)境是全數(shù)字環(huán)境，便于訓練數(shù)據(jù)的采集，利于技術的落地。此外，游戲本身是強商業(yè)化的方向，更容易創(chuàng)造出兼具學術意義和商業(yè)價值的產(chǎn)品。