Notifications
Article
AAAI-19:Unity助力人工智能研究
Published 7 months ago
248
0
2018年12月,Unity AI团队的多名成员参加了在加拿大蒙特利尔召开的AI顶级峰会NeurIPS。在Unity展位上,我们与无数热爱AI的研究人员会面,并为他们介绍了Unity的人工智能和机器学习项目。
美国时间1月28日,Unity AI团队的成员将前往檀香山召开的国际人工智能大会AAAI-19,我们也将设立展位,并且参与组织AAAI-19人工智能游戏和模拟研讨会。
在本文中,我们将简要人工智能在游戏领域的发展,以及即将举行的AAAI-19人工智能游戏和模拟研讨会,并让你了解Unity如何促进AI在游戏和模拟平台的研究。
如果你将参加AAAI大会,请在1月28日参加Unity的研讨会。我们将分享出色的演讲和专业论文,涵盖人工智能游戏和模拟领域的应用。你也可以在1月29日-31日,来到Unity的展位与我们进行交流,观看演示项目,并了解Unity在此领域的发展状况。

AI领域的游戏发展简史

游戏在AI研究领域有着悠久的历史,至少可以追溯到1949年Claude Shannon对编写一个计算机程序来玩国际象棋感兴趣。Claude Shannon在他的《设计计算机国际象棋程序》论文中写道:
国际象棋是一个理想的开始,因为:
  1. 在允许的操作和最终目标中,问题得到了明确的界定。
  2. 实现满意的解决方法既不会简单到微不足道,也不会过于复杂。
  3. 国际象棋常常被认为需要“精妙的思考”才能进行熟练的比赛,这个问题的解决方法将使我们承认机械化思维的可能性,也可能进一步限制“思考”一词的概念。
  4. 国际象棋的离散结构非常适合现代计算机的数字化特征。
那一年是1949年,从此人们对创建像人类玩家一样熟练进行游戏的计算机程序,甚至希望程序击败世界冠军产生了浓厚的兴趣。
Claude Shannon 启发了Arthur Samue在20世纪50年代和60年代在西洋跳棋上的开创性工作。虽然Arthur Samuel的程序无法击败专业玩家,但它仍被视为一项重大成就,因为它是第一个有效利用启发式搜索过程和基于学习方法的计算机程序。
实现专家级能力的第一个成功案例是Chinook,它是1989年在阿尔伯塔大学开发的西洋跳棋项目,它击败了大多数人类玩家,到1994年,最强的玩家顶多能和Chinook打成平手。
这种趋势由其它双人棋盘游戏延续。1992-2002年Gerald Tesauro的TD-Gammon西洋双陆棋项目和1997年IBM的Deep Blue击败国际象棋的世界冠军Garry Kasparov。
还有围棋项目,过去几年的最重大的突破是在2016年,DeepMind的AlphaGo以4:1的比分击败了18次世界围棋冠军选手李世石。
下图是1994年人工智能Chinook对抗 国际跳棋世界冠军Marion Tinsley。
从Claude Shannon 论文发表至今已有70多年,人工智能的发展不仅限于解决日益困难的双人棋盘游戏,而是扩展到其它复杂的场景。
这些场景包括3D多人游戏,例如:《星际争霸II》和《Dota 2》,以及更具挑战性的游戏任务,例如:仅使用原始屏幕像素输入而不是游戏状态的代码,来学习玩《毁灭战士》和Atari 2600的游戏。
在2015年《Nature》杂志的一篇论文中,DeepMind展示了一个深度强化学习系统,称为深度Q网络(DQN),它能够仅使用原始屏幕像素输入,就能在众多Atari 2600的游戏中实现超越常人的表现。特别值得注意的是,该系统通过对每个游戏进行单独训练,能够在众多不同游戏中有出色的表现。
最近,OpenAI开发了OpenAI Five,这是一个由五个神经网络组成的人工智能,它们可以与《Dota 2》中的业余玩家表现不相上下。

游戏引擎和模拟平台的高效性

在人工智能发展中扮演核心角色的不仅仅是游戏,游戏引擎以及其它模拟平台如今正在成为机器人,计算机视觉,自动驾驶和自然语言理解等不同领域研究人员的强大工具。
使用游戏引擎进行AI研究的主要原因是能够生成大量合成数据。这项功能非常强大,近来AI领域的进步和云上托管硬件的使用已经实现了可以高效利用大量数据的算法。
Unity和DeepMind的合作是使用虚拟世界来研究AI的一个重要案例。在现实世界中的数据集生成过于昂贵或危险的情况下,游戏引擎的使用意义更加深远。
使用游戏引擎的第二个原因是它们的渲染质量和物理保真度,这些特点实现了在安全的可控环境下研究现实世界的问题。这还能使经过合成数据训练的模型以最小变化传递到现实世界。
常见的案例有训练自动驾驶汽车,百度利用Unity评估其算法,这代表当今使用现代游戏引擎进行训练的转变过程。
人工智能被称作新的电力,它有可能改变许多行业。我们预见到游戏引擎和模拟平台在这种转变过程中将扮演非常重要的角色。
这种预见可以体现在最近为研究各种问题而开发的大量平台,包括。玩电子游戏,基于物理的控制,动作模拟,3D姿势估计,自然语言指示跟踪,问答功能和自动驾驶汽车等平台。
下面是一些知名的项目: Arcade Learning Environment项目、《星际争霸2》训练环境PySC2、ViZDoom、General Video Game AI、MuJoCo、Gibson、Allen Institute AI2-Thor、Facebook House3D、微软AirSim、CARLA。
其中还包括我们的Unity ML-Agents Toolkit,它可以用于将任何Unity场景转为学习环境,以便利用深度强化学习和模仿学习算法训练智能代理。因此,我们希望鼓励和促进利用游戏和模拟平台的人工智能研究。

AAAI-19人工智能游戏和模拟研讨会

在即将举行的AAAI-19大会上,我们将与纽约大学教授Julian Togelius,Allen人工智能研究所的研究科学家Roozbeh Mottaghi共同组织AAAI-19人工智能游戏和模拟研讨会,此次研讨会包括由受邀演讲嘉宾和论文作者提供的全天演讲。
演讲内容涵盖一系列主题,包括AlphaGo等深度强化学习系统的大型训练,用于训练机器人灵敏度的高性能渲染,学习将自然语言映射为四轴飞行器的操控,以及使用无人机保护非洲大草原的野生动物。
如果你准备参与AAAI大会,欢迎参加我们的研讨会,了解游戏和模拟程序如何用于促进AI研究。
了解人工智能游戏和模拟研讨会,请访问:
https://www.gamesim.ai/
了解AAAI-19,请访问:
https://aaai.org/Conferences/AAAI-19/
Unity China
643
Comments