NeurIPS多智能體強化學習競賽奪冠的背後，是決策智能公司「啟元世界」

作者：孟韜

36氪最近了解到的「啟元世界」是一家以認知決策技術為核心的人工智慧公司。

在2018年12月舉行的人工智慧頂級大會NeurIPS上，由谷歌大腦、Facebook、牛津大學及在遊戲AI界久負盛名的紐約大學等機構聯合舉辦了多智能體競賽－炸彈人團隊賽（The NeurIPS 2018 Pommerman Competition）中，來自「啟元世界」的彭鵬博士、中科院計算所龐亮博士和北師大的袁鈺峰組成的賽隊，最終在與24支世界一流隊伍的角逐中，基於「啟元決策智能平台」訓練的Navocado雙智能體能力穩定提升，奪得了Learning組冠軍。

在2018年4月15日由北京大學承辦的第42屆ACM-ICPC全球總決賽上，「啟元世界」發布了基於星際爭霸II的人機協作挑戰賽。經過兩天540局比賽的有效數據分析，一人一智能體組成的人機協作戰隊比兩個智能體組成的機器戰隊展現了一定的優勢，更重要的是AI與人在比賽中表現出的若干協作行為，如走位配合、東西分頭並進、對對手恰到時機的阻擋和冰凍等，是群體協作智能的集中體現。

「啟元世界」聯合創始人兼CTO龍海濤介紹，「我們的目標是打造一種高度自主的智能體，它能夠認知複雜、動態、不確定的環境，並採取可信可靠的決策，還能以一種自然的方式與人進行交互。早在2016年，我們便開始嘗試在星際爭霸等多款遊戲中訓練智能體，我們相信遊戲是研究和驗證認知決策智能技術的絕佳環境。一方面因為訓練迭代速度很快，可以源源不斷地產生數據；另一方面在於訓練出來的智能是可以觀測和感受到的。」

關於星際爭霸作為決策智能演算法研究平台的挑戰，我們可以從以下幾個方面去理解：

非完全信息下的博弈：圍棋或者象棋是信息透明的。而星際爭霸是非完全信息下的博弈，對手的重要信息都隱藏在戰爭迷霧之下，這就意味著需要通過偵查等手段去了解對手。

決策動作空間巨大：星際爭霸中的每一次決策都需要在上百個指令、幾百個單位和建築、256*256的空間位置中選擇一個合理的動作，這就帶來了組合性爆炸，使得決策動作空間達到了10的26次方。

長期規劃能力：一局完整的遊戲可以持續個把小時、需要做出上千次決策，每一次決策都需要考慮長期的影響，而且還需要根據偵查到的信息動態調整，這對人工智慧的挑戰是非常大的。

「啟元世界」創始人兼CEO袁泉告訴36氪：「我們正在研發『星際指揮官』智能體，屆時將與人類高手在沒有任何限制的地圖上進行對戰。而這些核心技術問題的解決，將極大地促進決策智能的落地應用，賦能更多行業。」

自2017年8月成立以來，「啟元世界」團隊投入主要精力打造了一款通用的決策智能平台產品，並結合多個業務場景，提供了行業解決方案。「當很多人還在談論強化學習勸退文、訓練不穩定的時候，我們已經在這個平台產品上不斷打磨，讓智能體能夠持續穩定地學習。包括這次NeurIPS多智能體競賽奪冠，也是得益於此。」袁泉說。

「啟元世界」團隊將決策智能平台產品逐步應用於機器人、大安全、泛網路等領域，目前已服務了近10家客戶。在袁泉看來，決策智能是一項比較通用的技術，這種輔助決策的能力可以泛化到很多行業。2019年，「啟元世界」將為更多行業客戶提供優質的決策智能解決方案。

團隊方面，創始人兼CEO袁泉曾擔任阿里認知計算實驗室負責人、資深總監，手機淘寶天貓推薦演算法團隊締造者，打造了「有好貨」、「猜你喜歡」等電商知名個性化產品，率團隊榮獲「2015年雙11CEO特別貢獻獎」。加入阿里前，袁泉曾是IBM中國研究院的研究員，從事推薦等智能決策演算法的研究，是IBM2011年全球銀行業FOAK創新項目發起人。在工業實踐的同時，其經驗總結並發表十餘篇論文在國際頂級會議ACM RecSys、KDD、SDM等。袁泉擁有多項中美技術專利，長期擔任ACM RecSys、IEEE Transaction on Games審稿人。

聯合創始人兼CTO龍海濤，目前致力於打造決策智能相關的技術和產品，擅長深度強化學習、分散式系統等技術方向。2013-2017年在阿里巴巴負責搜索廣告業務的架構設計，主導了其核心的離線系統、在線引擎和索引內核的升級換代，並因此獲得了阿里媽媽「最佳團隊獎」、「最佳項目獎」和「雙十一個人創新特別獎」。2003-2007年在IBM研究院從事移動計算方面的研究。有過多年成功的技術創業經歷，為電信、銀行、能源等大型企業提供IT解決方案。

2018年獲得高榕資本Pre-A輪數千萬融資。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！