雷鋒網的讀者或許還記得，在上個月的The International比賽上，OpenAI的DotA 2游戲人工智能在 1V1 中擊敗了人類玩家的消息。

但在未來，人工智能游戲選手或許將會面臨新的對手：另一個人工智能。今天，全球最大的3D游戲引擎Unity宣布發(fā)布Unity Machine Learning Agents，通過將其游戲引擎與TensorFlow等機器學習框架相連接，游戲中的NPC有望通過機器學習的方式變得更有策略性，從而增加游戲的對抗性和可玩性。

但Unity的意圖不僅如此。在其博客中，Unity這樣寫道：

“Unity正處于機器學習與游戲之間的十字路口。我們的使命是使機器學習研究人員獲得最強大的訓練場景，將他們最新的機器學習技術的應用通過我們回饋給游戲界。 作為這項努力的第一步，我們很高興推出Unity Machine Learning Agents（ML-Agents）。”

同時，Unity負責AI和機器學習的副總裁Danny Lange表示：

機器學習是一種顛覆性的技術。這是AI的一個令人興奮的新篇章，因為我們正在使一個可以廣泛訪問的、端到端的機器學習環(huán)境，并向開發(fā)者提供讓游戲和系統(tǒng)更加智能化的工具、Unity的物理引擎和3D逼真渲染環(huán)境。不僅如此，我們的AI工具包還為快速增長的AI愛好者群體探索深度學習提供了一個研究平臺，最終將改變游戲行業(yè)?！?/p>

據雷鋒網了解，Unity3D是由Unity Technologies開發(fā)的一個讓玩家輕松創(chuàng)建諸如三維視頻游戲、建筑可視化、實時三維動畫等類型互動內容的多平臺的綜合型游戲開發(fā)工具。通過Unity3D可以極高精度地模擬真實世界的場景和物理規(guī)則，例如各種3D模型、紋理、光影效果、物體的碰撞反彈、甚至橡膠輪胎與混凝土地面的摩擦，而這樣的游戲場景可以幫助人工智能研究人員更好地模擬和訓練用于真實世界的機器人和AI應用。

（由Unity創(chuàng)建的一個RL/ML模擬訓練環(huán)境示例）

這種模擬訓練的方法在工業(yè)機器人、無人機、無人駕駛車輛和游戲角色設計中均有著廣泛應用。目前對用機器學習方法開發(fā)智能代理的需求日益增長，Unity希望為這些開發(fā)者設計一個更靈活和更易于使用的系統(tǒng)，該系統(tǒng)的典型用戶包括：

• 研究現實場景中復雜的多代理競爭/合作行為的學術研究者；

• 機器人、無人駕駛及其他工業(yè)應用中需要進行大規(guī)模并行訓練機制的行業(yè)研究者；
  

• 希望通過智能代理提升游戲AI和可玩性的游戲開發(fā)人員。

（如何在Unity的ML-Agent中配置學習環(huán)境的示意圖）

ML-Agent的學習環(huán)境包含三類對象：代理（Agent）、大腦（Brain）和學院（Academy）。每個代理可以擁有一組獨特的狀態(tài)和觀察值，在環(huán)境中采取獨特的操作，并為環(huán)境中的事件獲得獨特的獎勵。代理的行為由與之相關的大腦決定；大腦定義一個特定的狀態(tài)和行動空間，并負責決定每個聯系的代理人將采取哪些行動，并匯總到“學院”中?！皩W院”對象對環(huán)境的范圍進行定義，包括引擎配置、速度和渲染質量、代理頻度、場景長度等。所有由大腦設置為外部的代理狀態(tài)和觀察值由外部接口收集并傳送給Python API，開發(fā)者可使用相應的機器學習庫進行處理。

據雷鋒網統(tǒng)計，全球銷量前1000名的手機游戲中，與Unity有關的作品超過50%，75%與AR/VR相關的內容為Unity引擎創(chuàng)建，采用Unity制作的游戲已經在30億部設備上使用。Unity在機器學習的轉型始于2016年，在2016年，NVIDIA因為在AI上的成功轉型成為一家千億美元公司，對于同樣在3D模型和圖像渲染領域頗有經驗的Unity來說，或許現在正是其轉型AI基礎平臺的大好機會。

目前Unity已經發(fā)布了測試版ML-Agent SDK。ML-Agents SDK可以讓研究人員和開發(fā)人員將使用Unity Editor所創(chuàng)建的游戲和模擬場景轉換為可以使用Python API，通過深度增強學習等機器學習方法對智能代理進行訓練的環(huán)境。對Unity的ML-Agent SDK感興趣的開發(fā)者，可以訪問其Github頁面獲得更詳細的消息。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。