機器學習為我們開啟了游戲開發訓練的大門，而非游戲編程的大門。

“游戲開發”是一項非常復雜的任務，并且需要耗費大量的人力資源。圖形藝術家、故事敘述者和軟件工程師需要共同努力，才能打造出比較好的游戲環境、游戲情節和人物角色行為。

通常，游戲是以傳統代碼的形式出現的“硬線行為”的微妙組合，也是以大量規則的形式出現的更具響應性的行為集合。

在過去的幾年間，數據導向型的“機器學習”已經逐漸取代了一些企業(比如亞馬遜、Netflix和優步)中的規則導向型系統。在Unity，我們探究了“機器學習”技術的使用，包括“深度學習”在文本創作中的應用，以及“深度強化學習”在游戲開發中的應用。在機器學習和人工智能的浪潮中，我們看到了巨大的希望和發展空間。

[[204461]]

對于那些數據導向型的大企業來說，機器學習已經不算是新興技術了。2007年，Netflix發起了一個“過濾算法”的公開賽，為能夠預測電影用戶評分的最佳過濾算法專門設立了“Netflix獎”，這正是我們現在所經歷的人工智能媒體報道浪潮的開端。

不過早在2000年年初，一些大企業為了謀求更好的發展，已經對“數據導向型決策”和“機器學習”有所涉獵了。為了充分了解顧客們的偏好，進而將顧客偏好轉化為更高的銷售額，亞馬遜一直在潛心研究他們的“推薦算法”。

除了亞馬遜的“推薦算法”之外，廣告技術是另一個較早利用“機器學習”來提高網站點入率的領域。近年來，機器學習已經擴展至更多的行業，并且不斷趨于成熟。

舉例來說，我們在前面提到過的“推薦算法”最初只是作簡單的推薦方案，如今已經發展到能夠通過“探索”和“開發”尋求更多的信息。

而亞馬遜和Netflix在使用他們的推薦系統進行數據收集時所面臨的挑戰是，如果只向客戶展示推薦頻率高的產品，而不展示其他的產品，那么他們獲得的客戶偏好信息就不全面。

而解決這一問題的方法是：將純開發行為轉變為加入了探索元素的開發行為。最近，由于同時具備了“開發”和“探索”能力，像“上下文老虎機”(contextual bandits)這樣的算法能夠更好地了解客戶的未知信息，也因此越來越受歡迎。

相信我，“上下文老虎機” (contextual bandits)算法肯定會在你瀏覽亞馬遜商城的時候隱藏了一些網頁。

在2015年，DeepMind進一步發展了“上下文老虎機” (contextual bandits)算法，并且將其從一個 深度神經網絡與強化學習大規模結合的系統 上發布出來。

該系統僅靠一些作為輸入的原始像素和分數就能以超人類的水平掌握各種范圍的Atari 2600游戲。DeepMind的研究人員將“開發”和“探索”的概念完全對立，“上下文老虎機” (contextual bandits)算法不太擅長行為學習，但是“深度強化學習”卻能夠學習用于最大化“未來累積紅利”的行為順序。

換句話來說， 深度強化學習會學習那些能夠實現“長期價值”(LTV)最優的行為。在一些Atari游戲中，“長期價值”表現在那些通常為人類玩家保留的策略發展上。

在Unity，我們給自己提出了這樣一個問題：如何讓一只雞學會穿過繁忙的道路而不被迎面而來的汽車撞上，同時還要收集道路上的禮包?我們采用了一種與DeepMind實驗非常類似的通用“強化學習”算法，并且規定如果小雞撿到禮包獲得正分，被車撞到則獲得負分。

除此之外，我們還給小雞設定了四個動作：左移、右移、前進和后退。依靠這些原始像素和分數輸入，以及幾個非常簡單的指令，小雞在不足六個小時的訓練后就達到了超人類水平的性能。

那么我們究竟是如何從實際應用的角度做到這一點的呢?其實很簡單。我們使用了一組Python APIs，將Unity游戲與運行于“亞馬遜網絡服務器”(AWS)的TensorFlow服務相聯系，TensorFlow是谷歌在2005年首次發布的深度學習框架。

仔細觀看，你會發現小雞在訓練的初期階段主要是探索如何不被汽車撞上(探索階段)，隨著訓練的深入，小雞開始學習收集禮包(開發階段)。

值得關注的是，這個學習系統的一個重要能力就是處理從未遇到的狀況。游戲中汽車的出現和禮包的放置都是完全任意的，而盡管小雞已經經過了幾個小時的訓練，它還是會遇到之前訓練中沒有經歷過的情境。有了我們的Python API，讀取游戲框架和游戲內部狀態，使用機器學習對游戲進行反向操作就變得非常簡單了。

這只游戲小雞的訓練給亞馬遜、Netflix和優步的發展提供了一些靈感，他們可以運用相同的技術來優化其客戶服務。

想象一下，假如要訓練一個“非玩家游戲角色”(NPC)，而不是對其行為進行編碼，那么游戲開發者就需要創建一個游戲場景。在這個場景中，我們將會利用與Python API相聯的“云強化學習”來訓練NPC。

這個游戲場景可以是完全虛擬合成的，也可以在其中加入一些人類玩家。當訓練到一定程度，這個NPC的性能已經相當不錯的時候，游戲開發者就能利用另一組Unity API將TensorFlow模型直接嵌入他們的游戲中，這樣一來，游戲就不需要連接TensorFlow的云服務了。

有些游戲開發者可能會說：“早在10到15年前，我們就已經這么做過了。”

但是時代已經發生了巨大的變遷。盡管我們已經發明了“遞歸神經網絡”(RNN)，比如用于序列學習的“長短時記憶”(LSTM)和用于空間特征學習的“卷積神經網絡”(CNN)，但是由于計算能力的欠缺，以及大規模、精細軟件框架的缺失，這些神經網絡在實際應用方面，如游戲開發，仍面臨巨大的阻礙。

“深度強化學習”在游戲開發中的運用盡管仍處于初期發展階段，但是我們清楚地知道它將很可能成為一項顛覆性的游戲技術。像TensorFlow這樣成熟的機器學習框架正在不斷降低游戲開發者和機器學習研究者的入門門檻。機器學習現在正不斷進入企業的各個角落，那么我們完全有可能在未來游戲中的發現機器學習的影子。