好消息!

騰訊AI足球隊獲得了一項世界冠軍。

這是 Google Research 與英超曼城俱樂部在 Kaggle 平臺上聯合舉辦的 11v11 足球 AI 競賽。

由于其兼具挑戰性和趣味性，一經推出便吸引海內外隊伍踴躍參加，截至 12 月中旬，吸引了來自世界各地的 1100 多個團隊，其中包含多支世界頂級學府和研究機構的科研強隊。

最終——騰訊 AI Lab 絕悟 WeKick版本(下稱「絕悟」)以 1785.8 的分數獲得冠軍，且相比于其它隊伍優勢非常明顯。

祝賀「絕悟」團隊取得佳績!

慢著，「絕悟」......不就是王者榮耀里的那個AI嗎?

是的。足球他一樣在行。

我們看到的足球比賽是這樣的：

在AI的眼里，卻是這樣的：

(AI 的世界就是如此的樸素無華而枯燥)

比賽使用的 Google Research Football 環境，是基于開源足球游戲 Gameplay Football 開發的強化學習環境。

外表簡陋，但和正常足球比賽一樣沒差，短傳、長傳、直塞、射門、鏟球樣樣都有。

(其實，只是主辦方為了節省計算資源，大部分比賽都沒有經過3D渲染)

比賽絕對公平公正。

游戲場景是完全對稱的，雙方有一樣的球員，沒有主客場、狀態好壞的數值差異，沒有替補球員、沒有加時賽、進球多獲勝(否則平局)。

規則也與普通足球比賽類似——比賽分上下半場(各 45 分鐘，1500 步，兩支球隊各開球一次)，目標都是將球踢入對方球門。

好了，比賽開始：

對方開場勢如破竹呀，只見對方10號傳給了中插的5號，一腳抽射，應聲入網。

「絕悟」0：1先丟一分。

可以看到，比賽中每個球員都各由一個單獨的智能體控制，參賽團隊需要實時選擇并控制其中一個智能體，與其他內置智能體配合。

因此，每個球員不僅需要觀察對手的行為，還需要留意己方隊員的情況。這需要非常復雜的團隊協作和競爭策略。

由于球場動態瞬息萬變，因此高速的實時決策能力也是必需的。

(糟糕，解釋的這一下，絕悟又丟失了一球)

「絕悟」0：2落后兩分。

不過沒關系，幸得絕悟有著極其豐富的團戰經驗。

我方7、8、9號三人相互配合，率先搶回一分。

緊接著，我方5號乘勝追擊，接到9號一記妙傳后，直抽龍門底角。

扳平!「絕悟」2：2。

賽點來了!我方10號把球直塞中路，8號反跑沖出，踢進制勝球。

最終「絕悟」3：2獲勝!

踢足球的「絕悟」，和打王者的「絕悟」，到底是不是同一個?

答案：是的!

和大多數參賽隊伍一樣，「絕悟」也主要采用了強化學習和自博弈(Self-Play)來從零開始訓練模型的方法。

其訓練的基礎架構是基于「絕悟」完全體的架構遷移得到的，詳情參閱《騰訊絕悟AI完全體限時開放體驗，研究登上國際頂會與頂刊》

基于此，騰訊 AI Lab 又針對足球任務對該框架做針對性改進，使其能適應 11 智能體足球游戲訓練環境。

......(此次省略20218888個字)

這也證明了騰訊 AI Lab 開發的「絕悟」的底層架構與方法的通用性，可以預見這類方法未來還有望進一步遷移至機器人等更多領域，從而創造更大的實用價值。

從圍棋 AI 「絕藝」到策略決策型 AI 「絕悟」，再到如今的 AI 足球隊絕悟 WeKick 版本，騰訊 AI Lab 的深度強化學習智能體步步進化，逐漸向更復雜更多樣化的問題遷移，其中的每一次進展都讓我們離通用人工智能終極目標更近了一步。

關鍵詞： 騰訊AI足球隊 世界冠軍