机器之心发布机器之心编辑部在机器之心最新一期线上分享

机器心脏释放

机器之心编辑部

在最新一期的《机器之心AAAI 2020在线分享》中，我们邀请了腾讯AI Lab AI的AI游戏领域高级研究员叶德恒博士介绍他们在《王者荣耀》中的AI智能体研究。

游戏一直是人工智能技术研究和落地的重要场景之一。在过去的几年里，DeepMind Go项目AlphaGo、星际争霸AI AlphaStar、OpenAI Dota2项目OpenAI Five等游戏AI吸引了全球人工无线城市的关注。

在国内，腾讯AI Lab也一直致力于AI游戏的研究。近日，基于腾讯梅田工作室开发的热门类MOBA手游《王者荣耀》，腾讯AI Lab公布了一项利用深度强化学习为智能体预测游戏动作的研究成果。AAAI 2020已收到《Mastering Complex Control in MOBA Games with Deep Reinforcement Learning》号文件。

在最新一期的《机器心脏AAAI 2020在线分享》中，我们邀请到了论文作者、腾讯AI Lab AI游戏领域高级研究员叶德恒博士为大家介绍他们的研究成果。

个人简介：德恒叶博士，现任腾讯AI Lab AI游戏领域高级研究员，主要工作方向为机器学习在AI游戏领域的技术研究和应用探索，涉及强化学习、模仿学习、领域数据挖掘、多智能体决策等。

叶德恒2016年获得新加坡南洋理工大学计算机系博士学位，期间研究方向为软件相关知识挖掘和代码挖掘。他曾担任AAAI ij Cai和其他学术会议的项目委员会成员。

演讲摘要：多人在线战术竞技游戏(MOBA)已经成为检验前沿人工智能行动决策和预测能力的重要平台。基于腾讯梅田工作室开发的热门MOBA游戏《王者荣耀》，腾讯AI Lab正在尝试探索强化学习技术在复杂环境中的应用潜力。本文是其中的一个成果，研究了利用深度强化学习来预测agents的博弈行为的方法。

具体地说，在这篇论文中，我们研究了MOBA 1v1游戏中人工智能主体的复杂动作控制。这个问题比传统的1v1游戏，如围棋、姜奇、雅达利等，有更复杂的状态和动作空间。这使得AI的策略学习非常困难。从系统和算法层面，我们提出了一个强化学习框架来研究这个问题。我们开发了一个具有高可扩展性和低耦合性的强化训练系统。并提出了一系列算法创新，包括演员-评论家神经网络、解耦控制依赖、目标注意机制、动作空间剪枝、双剪枝PPO等。在《王者荣耀》真实游戏环境中的测试表明，我们训练的AI智能可以在不同类型的英雄中击败顶级职业玩家。

地址：https://arxiv.org/abs/1912.09729

时间：北京时间2020年1月2日20:00-21:00

Aa2020机器心脏在线分享

2020年2月7日至2月12日，AAAI 2020将在美国纽约州举行。前不久，大会正式公布了今年的论文征集信息：收到投稿论文8800篇，评审7737篇，收到1591篇，接受率20.6%。

为了与读者分享更多优质内容，促进学术交流，在AAAI 2020开幕前，机器之心将精选几篇优质论文，邀请其作者在线分享。全场分享由论文解读和互动问答两部分组成。

在线分享将在“AAAI 2020交流群”进行。入群方式是添加备注为“AAAI”的机器之心(syncedai4)助手，邀请入群。入群后会公布直播链接。