作者 | 學術頭條

來源 | 學術頭條

人工智能（AI）的很多潛在應用，涉及與人類交互時做出更優(yōu)化的實時決策，而競技或者博弈類游戲，便是最佳的展示舞臺。

近日，發(fā)表在《自然》雜志上的封面文章報告稱，AI 在賽車對戰(zhàn)游戲 Gran Turismo（GT賽車）中戰(zhàn)勝了世界冠軍級人類玩家。這個 AI 程序名為“Gran Turismo（GT）Sophy”，是一種神經網絡驅動程序，它在遵守賽車規(guī)則的同時，展現出了超凡的行駛速度、操控能力和駕駛策略。

完成這項 AI 程序研發(fā)的核心團隊來自索尼 AI 事業(yè)部（Sony AI），《GT賽車》系列游戲是日本 Polyphony Digital 公司開發(fā)，忠實再現了真實賽車的非線性控制挑戰(zhàn)，封裝了復雜的多智能體交互，該游戲在索尼 PlayStation 及 PSP 等游戲主機平臺上皆有發(fā)行，是一款極具擬真感操縱體驗的熱門賽車游戲。

假如有此 AI 程序的加持，人類玩家估計再也跑不過加強版的單機程序了吧？

研究人員認為，此項成果或讓賽車游戲變得更有意思，并能提供用來訓練職業(yè)賽車手和發(fā)現新賽車技巧的高水平比賽。這種方法還有望應用在真實世界的系統(tǒng)中，比如機器人、無人機和自動駕駛汽車等。

賽道里的速度與激情

駕駛賽車需要極大的技巧。現代一級方程式賽車展示了驚人的工程精度，然而，這項運動的受歡迎程度與其說與汽車的性能PK有關，不如說與頂級車手在將汽車性能發(fā)揮到極限時所表現出的技巧和勇氣有關。一個多世紀以來，賽道上的成功一直充滿著速度和激情。

賽車比賽的目標很簡單：如果你比競爭對手在更短的時間內跑完賽道，你就贏了。然而，實現這一目標需要極其復雜的物理戰(zhàn)，馳騁賽道需要小心使用輪胎和道路之間的摩擦力，而這種摩擦力是有限的。

為了贏得比賽，車手必須選擇讓汽車保持在不斷變化的摩擦極限內的軌跡上。轉彎時剎車太早，你的車就會慢下來，浪費時間。剎車太晚，當你接近轉彎最緊的部分時，你將沒有足夠的轉彎力來保持你想要的路線軌跡。剎車太猛，可能會導致車體旋轉。

因此，職業(yè)賽車手非常擅長在整個比賽中一圈接一圈地發(fā)現并保持賽車的極限。

盡管賽車的操縱極限很復雜，但它們在物理上可以得到很好的描述，因此，它們可以被計算或學習是理所當然的。

近年來，深度強化學習（DRL）已成為 Atari、星際爭霸和 Dota 等領域 AI 研究里程碑的關鍵組成部分。為了讓 AI 對機器人技術和自動化產生影響，研究人員必須證明能夠成功控制復雜的物理系統(tǒng)，此外，AI 技術的許多潛在應用要求在接近人類的情況下相互作用，同時尊重不精確的人類規(guī)范，汽車比賽正是充滿這些挑戰(zhàn)的典型領域。

圖｜游戲比賽數據對比（來源：Nature）

近年來，利用全尺寸、大規(guī)模和模擬車輛，自主賽車的研究不斷加速。一種常見的方法是預先計算軌跡，并使用模型預測控制來執(zhí)行這些軌跡。然而，當在摩擦的絕對極限下行駛時，微小的建模誤差可能是災難性的。

與其他車手比賽對 AI 建模精度提出了更高的要求，并引入了復雜的空氣動力學相互作用，進一步促使工程師改進控制方案，以不斷預測和適應賽道的最優(yōu)軌跡，有朝一日，無人駕駛汽車下賽道與人類車手一決高下，也并非空談。

“AI賽車手”的煉成

在 GT Sophy 的開發(fā)過程中，研究人員探索了各種使用機器學習來避免建模復雜性的方法，包括使用監(jiān)督學習來建模車輛動力學，以及使用模仿學習、進化方法或強化學習來學習駕駛策略。

為了取得成功，賽車手必須在四個方面具備高度技能：（1）賽車控制，（2）賽車戰(zhàn)術，（3）賽車禮儀和（4）賽車策略。

為了控制汽車，車手們對他們的車輛動力學和賽道的特性有詳細的了解。在此基礎上，駕駛者建立所需的戰(zhàn)術技能，通過防守對手，執(zhí)行精確的演習。同時，駕駛員必須遵守高度精煉但不精確的體育道德規(guī)則，最后，車手在模擬對手、決定何時以及如何嘗試超車時，會運用戰(zhàn)略思維。

模擬賽車是一個需要在具有高度真實、復雜物理環(huán)境中進行實時、連續(xù)控制的領域，GT Sophy 在這種環(huán)境下的成功首次表明，在一系列汽車和賽道類型中，有可能訓練出比頂尖人類賽車手更好的人工智能代理。

這一結果可以被視為是計算機在國際象棋、圍棋、冒險、****牌和星際爭霸等競爭性任務持續(xù)發(fā)展的另一個重要步驟。

圖｜GT Sophy 的訓練（來源：Nature）

值得注意的是，GT Sophy 在短短幾個小時內就學會了繞道而行，并超過了數據集中 95% 的人類選手，它又訓練了九天時間，累計駕駛時間超過了 45000 小時，跑圈時間減少了十分之一秒，直到圈速停止改善。

單憑進步獎勵還不足以激勵AI程序贏得比賽。如果人類對手的速度足夠快，AI程序將學會跟隨，并在不冒潛在災難性碰撞風險的情況下嘗試積累更多獎勵，實現超車。

為了評估 GT Sophy，研究人員在兩項賽事中讓 GT Sophy 與頂級 GT 車手進行了較量，GT Sophy 在所測試的三條賽道上都取得了超人的計時表現，它能夠執(zhí)行幾種類型的轉彎，有效地利用漂移，擾亂后面車輛，****對手并執(zhí)行其他緊急操縱。

盡管 GT Sophy 展示了足夠的戰(zhàn)術技能，但仍有許多方面有待改進，尤其是在戰(zhàn)略決策方面。例如，GT Sophy 有時會在同一條跑道上留出足夠的空間，讓對手有機可乘。

圖｜AI 車手超越人類玩家（來源：Nature）

競技游戲外更值得關注

關于電子競技、博弈類的游戲，AI 能戰(zhàn)勝人類早已經不是什么稀奇事，而且可以肯定的是，AI 還會越來越強，即便是人類頂尖選手也只能甘拜下風，但能贏電子比賽并沒有太多懸念和意義，關鍵還是看這些超越人類的 AI 程序如何切實攻克產業(yè)瓶頸，真實造福人類生活。

1996 年 2 月 10 日，超級電腦 Deep Blue 首次挑戰(zhàn)國際象棋世界冠軍 Kasparov 以 2：4 落敗。1997 年 5 月再度挑戰(zhàn)，最終Deep Blue 以 3.5：2.5 擊敗了 Kasparov ，成為首個在標準比賽時限內擊敗國際象棋世界冠軍的電腦系統(tǒng)。

但 Deep Blue 的缺陷是沒有直覺，不具備真正的“智能靈魂”，只能靠超強的計算能力彌補分析思考方面的缺陷，贏得比賽的 Deep Blue 很快也退役了。

2016 年 3 月，谷歌 AI 的 AlphaGo 在四場比賽中擊敗了圍棋世界冠軍李世石，被認為是 AI 真正意義上的里程碑，AlphaGo 當時使用了蒙特卡洛樹搜索與兩個深度神經網絡相結合的方法，在這種設計下，電腦可像人類大腦一樣自發(fā)學習進行分析訓練，不斷學習提高棋力。

自此之后，各類 AI 程序新秀層出不窮，2018 年 12 月 10 日，DeepMind 針對即時戰(zhàn)略游戲星際爭霸開發(fā)的人工智能 AlphaStar 能完虐全球 99.8% 的人類職業(yè)選手。

無疑，現在的 GT Sophy 又是一個 AI 勝利的延續(xù)。

來自斯坦福大學機械工程系教授 J.Christian Gerdes 認為，GT Sophy 研究所帶來的影響也許能遠遠超出電子游戲范疇，隨著許多公司致力于完善運送貨物或乘客的全自動車輛，關于軟件中有多少應該使用神經網絡，以及有多少應該僅基于物理，值得進一步去探索。

總的來說，在感知和識別周圍環(huán)境中的物體時，神經網絡是無可爭議的冠軍。然而，軌跡規(guī)劃仍然是物理和優(yōu)化領域，GT Sophy 在游戲賽道上的成功表明，神經網絡有一天可能會在自動化車輛的軟件中發(fā)揮比今天更大的作用。

更具挑戰(zhàn)性的可能是每圈的變化。真實情況下，賽車的輪胎狀況在每圈之間都會發(fā)生變化，人類駕駛員必須在整個比賽過程中適應這種變化。GT Sophy 能用更多的數據做同樣的事情嗎？這些數據從何而來？這將使得人工智能有更多進化空間。

參考資料：

https://www.nature.com/articles/s41586-021-04357-7

https://www.nature.com/articles/d41586-022-00304-2