「最終，比賽結束的哨聲響起，各位觀眾，來自中國的WeKick足球團隊，獲得了本次挑戰賽的冠軍，讓我們恭喜他們。」
恩等一下，中國足球隊？奪冠？你沒看錯，在AI世界裏，來自中國的足球團隊WeKick，這次衝出了亞洲，在世界的舞台上，大放異彩。
他們獲得冠軍的這次賽事由Google Research和英超曼城足球俱樂部聯合舉辦，是信息學國際性挑戰賽舉辦平台Kaggle上的一項AI足球挑戰賽，全球一共有1138只隊伍參加。
經過激烈的角逐，最終，WeKick的賽事積分達到了1785.8分，這一優異成績讓他們在獲得冠軍的同時，也將其他競爭者遠遠地甩在了身後。
接下來，就讓我們看看這場比賽，以及AI足球隊是如何踢球的。
連進三球，成功逆轉
這場「AI操控足球的對抗」，是藉助Google Research Football的平台進行的。這個平台，其實就是足球控制類遊戲，長這樣：
好的，比賽開始，讓我們回到比賽現場。
對陣的雙方，分別是WeKick和SaltyFish 。在派出的隊員上，對陣的雙方數值一樣，是無差別的。此外，雙方也都沒有替補隊員。
開場第一次進攻，SaltyFish通過三腳「傳球」，便攻破了WeKick的球門。這進球，來得也太快了。
不過，倒也不用擔心，在一次「角球」中，WeKick扳回了一分。
這種操作技術和配合，要換做我啊，那肯定是隨隨便便......也辦不到的啊。
那麼，問題來了，這個如此強大的WeKick，又是何方神聖？
這個WeKick，究竟是個啥？
實不相瞞，這個WeKick的真面目，其實就是：「絕悟」。是的，不用懷疑，就是王者榮耀裏面的那個AI絕悟。
簡單理解的話，「絕悟」，是AI的一種底層架構與方法。
在王者榮耀的數據去訓練的話，就是王者榮耀裏的那個全英雄池的「絕悟完全體」，而如果用足球的數據去訓練，就是這次比賽的「WeKick」。
首先，是通過強化學習和自博弈（Self-Play），從零開始訓練模型。
利用這個方法進行模型訓練，是很常見的操作，本屆比賽中的多數參賽球隊，都採取了這個方法。
不過，對於足球運動，如果只由進球與否來決定成敗的話，其實並不利於模型的訓練。於是，「絕悟」的研究團隊在價值估計（獎勵模式）上，進一步進行細化。
比如：將攔截、出界、越位、過人、控球、傳球等各方面都納入考量，當然，進球這個最重要的評價標準也在其中。
簡單來説，類似於將一整份試卷細分成了不同的試題，然後制定了一套評審標準。AI，也需要先從基礎題型學起。
除了將獎勵細分化，由於足球是一項團體配合的運動，所以「絕悟」的研究團隊還使用了一種名為「生成對抗模擬學習」（GAIL）的技術來進行自博弈訓練。
這項技術，可以模擬一些難以細化定量描述的戰術，比如足球比賽中常見的「長傳反擊」、「控球滲透」等等。
通過模擬出不同戰術風格的對手，然後讓AI與其對抗，進行訓練和學習。
簡單理解的話，就是將不同題型依據不同的試卷風格進行排布組合，然後讓AI進行「模擬考」，在實戰中進一步學習。
AI也有類似的問題。自博弈訓練後，得出的結果往往是單一的，對應在考試中，就是形成既定的解題思維。
最後，研究人員使用「基於 League 的多風格強化學習」這個方法進行補充訓練，防止在賽場上見到一些奇怪的戰術，會讓AI一時間手足無措，自己先亂起來了。
這其實也是咱們普通人應付考試的時候，老師們經常會給出一些奇奇怪怪模擬試卷的原因。
研究者認為：基於 League 的多風格強化學習和基於 GAIL 的風格學習方法，是保證 WeKick 最終獲勝的兩大關鍵秘籍。
總而言之，這個來自中國的AI足球隊，奪得了世界挑戰賽的冠軍，這一消息讓關注中國足球的各路網友沸騰了。真人不行AI來湊，對此，國足表示，已退出直播間。
參考資料：
https://www.kaggle.com/c/google-football
https://ai.googleblog.com/2019/06/introducing-google-research-football.html
https://github.com/google-research/football
https://www.youtube.com/watch?v=F8DcgFDT9sc&feature=emb_logo
https://mp.weixin.qq.com/s/D2uu6vaaPfQSDeLEGlaoCw
來源：狂丸科學
編輯：Kun