再一次輸給了AI，彎道急速超車(chē)、登上 Nature 封面

作者 | 學(xué)術(shù)頭條

來(lái)源 | 學(xué)術(shù)頭條

人工智能（AI）的很多潛在應用，涉及與人類(lèi)交互時(shí)做出更優(yōu)化的實(shí)時(shí)決策，而競技或者博弈類(lèi)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(chēng)，AI 在賽車(chē)對戰游戲 Gran Turismo（GT賽車(chē)）中戰勝了世界冠軍級人類(lèi)玩家。這個(gè) AI 程序名為“Gran Turismo（GT）Sophy”，是一種神經(jīng)網(wǎng)絡(luò )驅動(dòng)程序，它在遵守賽車(chē)規則的同時(shí)，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(lái)自索尼 AI 事業(yè)部（Sony AI），《GT賽車(chē)》系列游戲是日本 Polyphony Digital 公司開(kāi)發(fā)，忠實(shí)再現了真實(shí)賽車(chē)的非線(xiàn)性控制挑戰，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(mén)賽車(chē)游戲。

假如有此 AI 程序的加持，人類(lèi)玩家估計再也跑不過(guò)加強版的單機程序了吧？

研究人員認為，此項成果或讓賽車(chē)游戲變得更有意思，并能提供用來(lái)訓練職業(yè)賽車(chē)手和發(fā)現新賽車(chē)技巧的高水平比賽。這種方法還有望應用在真實(shí)世界的系統中，比如機器人、無(wú)人機和自動(dòng)駕駛汽車(chē)等。

賽道里的速度與激情

駕駛賽車(chē)需要極大的技巧?，F代一級方程式賽車(chē)展示了驚人的工程精度，然而，這項運動(dòng)的受歡迎程度與其說(shuō)與汽車(chē)的性能PK有關(guān)，不如說(shuō)與頂級車(chē)手在將汽車(chē)性能發(fā)揮到極限時(shí)所表現出的技巧和勇氣有關(guān)。一個(gè)多世紀以來(lái)，賽道上的成功一直充滿(mǎn)著(zhù)速度和激情。

賽車(chē)比賽的目標很簡(jiǎn)單：如果你比競爭對手在更短的時(shí)間內跑完賽道，你就贏(yíng)了。然而，實(shí)現這一目標需要極其復雜的物理戰，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(yíng)得比賽，車(chē)手必須選擇讓汽車(chē)保持在不斷變化的摩擦極限內的軌跡上。轉彎時(shí)剎車(chē)太早，你的車(chē)就會(huì )慢下來(lái)，浪費時(shí)間。剎車(chē)太晚，當你接近轉彎最緊的部分時(shí)，你將沒(méi)有足夠的轉彎力來(lái)保持你想要的路線(xiàn)軌跡。剎車(chē)太猛，可能會(huì )導致車(chē)體旋轉。

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

盡管賽車(chē)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(xué)習是理所當然的。

近年來(lái)，深度強化學(xué)習（DRL）已成為 Atari、星際爭霸和 Dota 等領(lǐng)域 AI 研究里程碑的關(guān)鍵組成部分。為了讓 AI 對機器人技術(shù)和自動(dòng)化產(chǎn)生影響，研究人員必須證明能夠成功控制復雜的物理系統，此外，AI 技術(shù)的許多潛在應用要求在接近人類(lèi)的情況下相互作用，同時(shí)尊重不精確的人類(lèi)規范，汽車(chē)比賽正是充滿(mǎn)這些挑戰的典型領(lǐng)域。

圖｜游戲比賽數據對比（來(lái)源：Nature）

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

與其他車(chē)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(dòng)力學(xué)相互作用，進(jìn)一步促使工程師改進(jìn)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(wú)人駕駛汽車(chē)下賽道與人類(lèi)車(chē)手一決高下，也并非空談。

“AI賽車(chē)手”的煉成

在 GT Sophy 的開(kāi)發(fā)過(guò)程中，研究人員探索了各種使用機器學(xué)習來(lái)避免建模復雜性的方法，包括使用監督學(xué)習來(lái)建模車(chē)輛動(dòng)力學(xué)，以及使用模仿學(xué)習、進(jìn)化方法或強化學(xué)習來(lái)學(xué)習駕駛策略。

為了取得成功，賽車(chē)手必須在四個(gè)方面具備高度技能：（1）賽車(chē)控制，（2）賽車(chē)戰術(shù)，（3）賽車(chē)禮儀和（4）賽車(chē)策略。

為了控制汽車(chē)，車(chē)手們對他們的車(chē)輛動(dòng)力學(xué)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術(shù)技能，通過(guò)防守對手，執行精確的演習。同時(shí)，駕駛員必須遵守高度精煉但不精確的體育道德規則，最后，車(chē)手在模擬對手、決定何時(shí)以及如何嘗試超車(chē)時(shí)，會(huì )運用戰略思維。

模擬賽車(chē)是一個(gè)需要在具有高度真實(shí)、復雜物理環(huán)境中進(jìn)行實(shí)時(shí)、連續控制的領(lǐng)域，GT Sophy 在這種環(huán)境下的成功首次表明，在一系列汽車(chē)和賽道類(lèi)型中，有可能訓練出比頂尖人類(lèi)賽車(chē)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(wù)持續發(fā)展的另一個(gè)重要步驟。

圖｜GT Sophy 的訓練（來(lái)源：Nature）

值得注意的是，GT Sophy 在短短幾個(gè)小時(shí)內就學(xué)會(huì )了繞道而行，并超過(guò)了數據集中 95% 的人類(lèi)選手，它又訓練了九天時(shí)間，累計駕駛時(shí)間超過(guò)了 45000 小時(shí)，跑圈時(shí)間減少了十分之一秒，直到圈速停止改善。

單憑進(jìn)步獎勵還不足以激勵AI程序贏(yíng)得比賽。如果人類(lèi)對手的速度足夠快，AI程序將學(xué)會(huì )跟隨，并在不冒潛在災難性碰撞風(fēng)險的情況下嘗試積累更多獎勵，實(shí)現超車(chē)。

為了評估 GT Sophy，研究人員在兩項賽事中讓 GT Sophy 與頂級 GT 車(chē)手進(jìn)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(shí)表現，它能夠執行幾種類(lèi)型的轉彎，有效地利用漂移，擾亂后面車(chē)輛，****對手并執行其他緊急操縱。

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

圖｜AI 車(chē)手超越人類(lèi)玩家（來(lái)源：Nature）

競技游戲外更值得關(guān)注

關(guān)于電子競技、博弈類(lèi)的游戲，AI 能戰勝人類(lèi)早已經(jīng)不是什么稀奇事，而且可以肯定的是，AI 還會(huì )越來(lái)越強，即便是人類(lèi)頂尖選手也只能甘拜下風(fēng)，但能贏(yíng)電子比賽并沒(méi)有太多懸念和意義，關(guān)鍵還是看這些超越人類(lèi)的 AI 程序如何切實(shí)攻克產(chǎn)業(yè)瓶頸，真實(shí)造福人類(lèi)生活。

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

但 Deep Blue 的缺陷是沒(méi)有直覺(jué)，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(yíng)得比賽的 Deep Blue 很快也退役了。

2016 年 3 月，谷歌 AI 的 AlphaGo 在四場(chǎng)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(shí)使用了蒙特卡洛樹(shù)搜索與兩個(gè)深度神經(jīng)網(wǎng)絡(luò )相結合的方法，在這種設計下，電腦可像人類(lèi)大腦一樣自發(fā)學(xué)習進(jìn)行分析訓練，不斷學(xué)習提高棋力。

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

無(wú)疑，現在的 GT Sophy 又是一個(gè) AI 勝利的延續。

來(lái)自斯坦福大學(xué)機械工程系教授 J.Christian Gerdes 認為，GT Sophy 研究所帶來(lái)的影響也許能遠遠超出電子游戲范疇，隨著(zhù)許多公司致力于完善運送貨物或乘客的全自動(dòng)車(chē)輛，關(guān)于軟件中有多少應該使用神經(jīng)網(wǎng)絡(luò )，以及有多少應該僅基于物理，值得進(jìn)一步去探索。

總的來(lái)說(shuō)，在感知和識別周?chē)h(huán)境中的物體時(shí)，神經(jīng)網(wǎng)絡(luò )是無(wú)可爭議的冠軍。然而，軌跡規劃仍然是物理和優(yōu)化領(lǐng)域，GT Sophy 在游戲賽道上的成功表明，神經(jīng)網(wǎng)絡(luò )有一天可能會(huì )在自動(dòng)化車(chē)輛的軟件中發(fā)揮比今天更大的作用。

更具挑戰性的可能是每圈的變化。真實(shí)情況下，賽車(chē)的輪胎狀況在每圈之間都會(huì )發(fā)生變化，人類(lèi)駕駛員必須在整個(gè)比賽過(guò)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(lái)？這將使得人工智能有更多進(jìn)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