游戏AI算法与平台 | CNCC2021

游戏是人类智慧的竞技场，也是各种人工智能新技术的试验场。通过制定游戏规则，可以更清楚地定义我们所谓的智能；通过提供游戏对战平台，可以让人类和机器智能体就某个或系列游戏任务进行能力对抗，从而既可以评价智能体的智能水平，又能通过重复比赛迭代提升智能体的智能水平。我们现实生活中面临的各种智能决策问题，都可以抽象成相应的游戏环境，从而可以在游戏环境下，通过低成本加速迭代找到好的解决方案。本论坛主要讨论现有的游戏对战平台和经典游戏AI目前发展的最新动态。

李文新

北京大学 教授 CCF杰出会员

李文新，教授，女，北京大学计算机科学技术系教授，北京大學人工智能研究院副院長，北京市教学名师，中国计算机学会杰出会员。目前主要研究兴趣是游戏智能体相关领域，包括游戏和游戏AI的复杂度分析、游戏AI的评测方法、游戏AI的算法、游戏AI的模仿和倾向性聚类、游戏AI对局的自动解说等等。

摘要：提供了对问题的准确描述和算法的评测方法，也提供了游戏AI算法迭代优化的环境。Botzone平台是本实验研发并运维的游戏AI对战平台。该平台自2009年上线以来，为校内外多门程序设计、人工智能类课程提供了作业、考试和比赛支撑。2021年1月我们基于Botzone平台在IJCAI2020上举办了国标麻将游戏AI比赛。参加比赛的一百三十多支队伍贡献了异彩纷呈的AI算法。我们将在本次论坛上将参加IJCAI2020国标麻将比赛的游戏AI算法做一个总结和分析。

冯旸赫

国防科技大学 副教授 CCF杰出会员

冯旸赫、国防科技大学系统工程学院副教授，长期从事强化学习、智能辅助决策方面研究，获湖南省杰出青年基金、中国指控学会青年科学家奖，教育部科技创新团队骨干成员，现任军委科技委重点方向专家组专家、重点项目专家组专家、中国指挥与控制学会智能博弈与兵棋推演专委会总干事、中国运筹学会智能计算分委会副理事长、多个国际期刊副主编。作为主要负责人，组织开展了历届全国兵棋推演大赛。

摘要：随着深度学习、强化学习等技术的不断发展，涌现出了一批诸如Alpha Go、Alpha Star、Alpha DogFight等智能博弈技术应用成果，为解决兵棋推演中的传统任务规划专家经验依赖性强、应对不完整信息的能力弱、动态临机调整困难等难题提供了一种解决方案。以强化学习、蒙特卡罗树搜索等方法构建智能体是当前智能规划研究的热点之一，其优势是可利用机器强大的算力，实现从态势到行动的端到端学习，从而实现不完全信息条件下智能决策能力的自主学习，然而目前算法体现出泛化性差、环境适应能力弱、数据利用率低等缺陷，其核心问题在于智能体形成的是一种应激反应式的快决策，缺乏对过程数据深度理解的慢思考能力，本报告介绍兵棋推演大赛智能任务规划的实践情况，从规则驱动、数据驱动、群智涌现三个角度，思考建立解决复杂对抗环境中任务规划智能体的技术思路，研讨兵棋推演中智能体研究的发展方向。

张海峰

中国科学院自动化研究所 副研究员CCF专业会员

张海峰，中国科学院自动化研究所副研究员，领导群体决策智能团队。于北京大学计算机系获得本科、博士学位，曾在英国伦敦大学学院（UCL）从事博士后研究工作。致力于多智能体和强化学习的学术研究和平台研发工作，研究兴趣包括智能体策略评估、多智能体强化学习算法等，研究成果发表在ICML、IJCAI、AAAI、AAMAS、WSDM、CIKM、《软件学报》等国内外知名学术会议、期刊；负责研发的平台包括北京大学Botzone智能体博弈系统（www.botzone.org.cn）和中科院自动化所“及第”多智能体开源开放平台（www.jidiai.cn），并举办“IJCAI中国麻将智能体竞赛”、“RLChina智能体挑战赛”等智能体竞赛。

题目：“及第”多智能体开源开放平台的设计与实现

摘要：从“深蓝”到“AlphaGo”，智能体博弈水平的突破一直作为人工智能技术发展的重要里程碑。近年来，随着深度强化学习技术的发展，智能体博弈作为强化学习算法水平的评估手段，重要性日益凸显。与监督学习算法评估依赖于标准数据集不同，智能体算法的评估依赖于对手智能体算法，因此需要构建一个汇聚各种博弈环境和智能体的开源开放平台。“及第”多智能体开源开放平台以此为出发点，提供智能体在线博弈、评估的环境，打造开源开放的多智能体科研、教学、竞赛、应用社区。

孔雨晴

北京大学 新体制助理教授

孔雨晴，北京大学前沿计算中心新体制助理教授，博士生导师，本科毕业于中国科学技术大学数学系，博士毕业于密歇根大学安娜堡分校计算机系，理论计算机方向。研究方向是理论计算机与经济学的交叉方向，包括同伴预测，预测市场，以及它们在机器学习领域的应用。她的论文发表于WINE, ITCS, ACM EC, AAAI, ICLR，NeurIPS, SODA, IJCAI，ACM TEAC等会议期刊。

摘要：多轮比赛通常会将最后一轮的积分，即奖励积分，增加一倍或三倍，以最大限度地提高观众的兴奋度。在 n 轮的两人比赛中，我们的目标是推导出最佳奖励积分大小，以最大化观众的整体预期惊喜。我们将观众对两名玩家能力水平的先验信念建模为 beta 分布，发现最优奖励积分在很大程度上取决于先验信念。在一个有趣的特殊情况下，我们表明最佳奖励积分近似且渐近地等于“预期领先”，即较弱的玩家逆袭所需的预期分数。此外，我们观察到具有更高偏度的先验导致更高的最优积分规模，在对称情况下，有更高不确定性的先验也会导致更高的最优奖励积分规模。这符合我们的直觉，因为高度不对称的先验会导致较高的“预期领先”，而高度不确定的对称先验通常会导致不平衡的游戏，这再次受益于更大的奖励积分。

邓民文danierdeng

腾讯游戏AI研发专家

邓民文danierdeng，硕士毕业于中科院计算所，2010年加入腾讯，先后从事搜索引擎计算平台、游戏AI计算平台的工作。在系统工程优化和游戏AI领域积累了丰富的研发经验，搭建了游戏AI实验平台"开悟"，大幅提升了游戏AI的研发效能，并且通过举办高校AI比赛，通过游戏AI技术赋能科研和教育行业。

摘要：介绍腾讯游戏AI实验平台"开悟"，如何通过技术手段提升大规模强化学习的性能。介绍腾讯开悟高校AI比赛，如何通过建立产学研合作新生态，解决高校在研究多智能体博弈遇到的难题。

陈兴国

南京邮电大学 讲师

陈兴国，博士，2013年获得南京大学计算机系博士学位，2014年至今在南京邮电大学担任讲师，硕士生导师。研究方向为强化学习、智能博弈，主持并完成国家自然科学基金青年项目一项。基于所研究成果，获2017年“吴文俊”人工智能科学技术奖自然科学二等奖一项（排名第三），2018年江苏省科学技术奖自然科学二等奖一项（排名第六）。

摘要：本报告将简要介绍掼蛋AI竞赛平台，2020年首届中国人工智能掼蛋大赛的基本情况、参赛智能体的设计情况、以及掼蛋AI算法的研究现状和发展趋势。