Simone
机器之心原创
机器之心编辑部
NPC 如何像人一样聪明一直以来都是游戏发展的主要诉求之一。但早期的 NPC 经常被玩家调侃为「人工智障」，因为它们的行为范式很容易被摸索到。
算法和资源投入与 AI 实际带来的产出比，在游戏未投入市场之前是难以估计的。因此，「AI」尚未在游戏中真正普及。
小团队难以承受其开发成本，甚至有些大团队还会担心效果不佳，适得其反。
已有游戏 AI 能「击败」 人类玩家
但并不普及
游戏是催生很多 AI 技术的土壤。强化学习（Reinforcement Learning，RL）与游戏的完美契合在于其可以利用虚拟环境，训练 AI 智能体（agent）主动不断尝试去发现哪些动作会产生最丰厚的收益。
机器学习历史上诞生过很多基于游戏环境的知名 AI 模式，如打星际争霸 2 的 AlphaStar，打 Dota 2 的 OpenAI Five，玩王者荣耀的绝悟等等。以游戏为桥梁，AI 领域新的技术突破也一次次被我们所熟知。
游戏 AI OpenAI Five 曾经击败过人类世界冠军队伍。
但这些都只是实验，AI 在游戏中对于画面提升如超分辨率算法「DLSS」已有较为广泛的应用，对于更能打动玩家的交互方面却很少有贡献。作为机器学习三大分支之一的强化学习，目前的应用方向大多在自动驾驶、工业自动化、金融贸易甚至 NLP 上，游戏虽然也是主要应用方向，但是尚未真正普及。
在游戏领域中，人们对于强化学习等技术的需求其实非常多：在对战类游戏中，通过 AI 定制的解决方案，可以根据用户水平匹配相应的难度，让用户体验更好。在角色扮演、赛车类游戏中，AI 可以用于测试和设计关卡。水平足够高的 AI 甚至可以用于平衡性测试。
玩家们经常会说的一句话是：一款游戏的画面决定你会不会关注它，而游戏性能决定你是否喜欢它。
而且具有人类专业级玩家能力的高智商 AI 角色，不仅对于玩家来说很有吸引力，对于游戏开发者来说，如果能招募海量 AI「玩家」来测试游戏 bug，甚至帮助制作游戏关卡也是极好的。
GTC 2021 大会上，游戏公司 EA 的开发者们展示了强化学习改进关卡设计的研究。
对于游戏开发者而言，想要训练可应用于实践的 AI 模型，需要足够的专业知识，但并不是每家游戏工作室都既懂游戏引擎，又能玩转深度学习框架。而在构建模型时，大规模并行化算力的需求也是一个障碍。
能不能把高智能的 AI 通用化、实用化呢？最近一段时间里，越来越多的游戏正在获得 AI 加持。
解决技术核心需求
缩短开发者与 AI 的距离
今年 10 月，华为云发布 ModelArts for Games，缩短了游戏开发者与 AI 技术的距离。
在这个平台上，开发者们可以定制化地获得强化学习等能力。它基于国内市场占有率第一的人工智能平台 ModelArts，从 AI 开发、生产部署、团队赋、模型变现四个角度，满足了游戏团队对于 AI 的核心需求。
华为云与游戏公司进行合作，预制了多种类型的游戏 AI 竞技算法，覆盖了 MOBA、SPG、FPS、棋牌等主流游戏类型。平台中，面向不同类型游戏的 AI 机器人都拥有高超的能力，同时还风格多样，能够展现不同策略，可以为玩家们带来更加真实的游戏体验。
因为背靠华为 AI 平台，ModelArts for Games 可以实现工作流程的端到端全覆盖：从数据处理、获取先进算法、模型大规模训练，到模型按需部署处理和管理，AI 应用的全周期工作都可以在一个平台上实现。
通过 ModelArts，AI 训练的算力不再是问题，ModelArts 提供异构计算集群。训练支持海量 CPU，GPU 自由组合，提供大规模强化学习训练能力，支持弹性扩缩容及容错机制，方便用户使用 IMPALA、Seed 等主流或客制化分布式架构进行高效的强化学习训练。兼顾多种应用场景，大幅度提高算法开发与训练效率。来自华为诺亚方舟实验室的分布式强化学习框架「刑天」集群节点间通信进行了优化。这些特性可以将训练速度提升 10 倍，降低了训练成本，用户可以随时按需启动和停止训练作业。
而在对于玩家来说直接关系到游戏体验的 AI 推理速度上，ModelArts 可以将时延压缩至 20ms 以内，实现实时响应。
对于游戏开发者来说，如果不知道哪种算法可以满足自己的需求，ModelArts for Games 也给出了一些用例，其中集成了最成熟的，按游戏类型划分的算法，这些方案很多都曾在数据竞赛中获得过好成绩。针对 AI 新手，华为云还开放了超过 10 个全代码 AI 教程，满足客户培养团队、快速提升 AI 团队能力的需求。
诺亚方舟实验室的研究人员认为，ModelArts 在游戏 AI 的多样化生成、NPC 训练、自动化测试等方向上都展现出了广阔的应用前景。
为游戏开发者赋能
带来更好的用户体验
在强化学习技术真正落地的时候，AI 的目的不是打败玩家，而是要陪更多的玩家，带来更好的体验。ModelArts for Games 拥有较强的能力，面向所有游戏开发者，不论是大厂还是小工作室推出的游戏，都能在其上获得适合的技术。
华为云 AI 团队目前已经协同众多游戏开发者实现了游戏 AI 技术的落地。目前，网易伏羲、西山居、数字天空都在与华为云 ModelArts for Games 进行项目合作，并且取得了阶段性成果。
首先，华为云 ModelArts for Games 可以帮助开发者们选择最适合自身游戏场景的算法，降低开发人员应用 AI 的门槛。
在西山居正在研发的一款游戏中，开发者们与华为云的研发团队共同打造了基于强化学习算法的 AI 机器人，在对战的水平、策略选择方面都比传统游戏中的 AI 机器人更加强大。经实际游戏测试，通过华为技术训练的 AI 与内置 Bot 对抗 4664 局，胜率达到 9。而与专业玩家对战时，胜率可以五五开。
如果游戏开发团队拥有自行研发 AI 技术的能力，华为云也可以提供强大的 AI 算力，并帮助他们将算法模型商业变现。
网易伏羲拥有自己的人工智能实验室，其在计算平台和强化学习方面和华为云进行了深入的合作。
在谷歌与英超曼城俱乐部在 Kaggle 平台举办的首届 AI 足球世界杯上，网易伏羲强化学习团队的 AI 在上千只团队中斩获亚军，其接近专业教练的 AI 战术布局能力，让人们看到了「AI + 足球」的巨大潜力。
在比赛时，根据赛场实时状况，AI 机器人通过训练可实现目前高水平足球联赛中流行的高位逼抢战术，攻守转换也非常快。在针对不同玩家时，AI 可体现进攻、防守等不同风格，带来相比以往更加真实的体验。
网易伏羲 AI 的定位球打法也让主办方印象深刻。曼城俱乐部母公司、城市足球集团数据洞察和决策技术总监 Brian Prestidge 表示，网易伏羲 AI 所采用的定位球策略，与现实比赛中专业教练的定位球战术非常相似。
现在在 ModelArts 平台上，人们已经可以利用华为云大规模异构集群训练和线上实时推理打造不同游戏场景所需要的智能 NPC，节省了常规游戏开发过程所需的大量时间。
除了生成高智能的 NPC，诸如内容生成虚拟人、智能美术等等也是 AI 应用的方向，已经出现了越来越多的需求。
作为云服务「基础设施」的提供者，华为云的 ModelArts for Games 能在 AI 能力领域带给游戏公司更大助力，让他们能专注于游戏研发，而不会被应用 AI 技术的门槛所困扰。
链接数字创意产业上下游伙伴
这是一个协同共创的时代，产业数字化的颗粒度、复杂度与长周期决定了没有任何一家企业可以独自成功。共建生态、融入生态是必由之路。纵观未来，整个数字创意产业，更加需要产业链上下游协同进步。
云、AI、5G 将加速应用从端侧向云端汇聚，加速流化，加速实时交互；影视与游戏制作逐步融合，云渲染加速国产游戏向高品质发展；数字人技术发展迅速，通过云 + AI 自动构建游戏世界；云游戏与直播深度结合，使得直播互动带来巨大变革；
技术与生态的融合发展，将牵引中国国产游戏快速向高品质发展，更多优秀内容脱颖而出，加速自我净化、产业革新。在这过程中，华为云正在成为众多数字创意开发者、服务者的最佳伙伴。
rong>激发行业新未来
&华为云游戏 AI 解决方案，让数字创意开发者不必在基础设施上耗费时间，可以专注于内容制作等核心环节。而在 12 月 29 日举行的华为云 %5
