神經網絡驅動程序的表現優于人類玩家。Wurman等報告了一種名為GTSophy的神經網絡算法，該算法能夠擊敗電子游戲GT賽車中最優秀的人類玩家。當兩個人類玩家試圖阻塞兩輛GTSophy汽車的首選路徑時，算法找到了兩種超越方法。圖片來源：Nature
美國馬薩諸塞州波士頓索尼通信公司的Peter Wurman和合作者在一項報告中表示，一種人工智能（AI）在對戰賽車游戲Gran Turismo（GT賽車）中戰勝了世界冠軍級玩家。這個智能體在遵守賽車規則的同時展現出了超凡的行駛速度、操控能力和駕駛策略。研究結果 2月10日發表于《自然》。這對自主導航以及基礎AI研究具有應用價值。
AI的許多潛在應用都需要一邊與人類交互一邊在物理系統中做出實時決策，而賽車正是這類情況的典型代表。賽車手必須進行復雜的戰術性操控去超越或阻擋對手，同時還要以極限牽引力來駕駛賽車。以PlayStation的游戲《GT賽車》為代表的擬真類賽車游戲不僅能再現操控真實賽車的挑戰，也對機器學習的應用提出了挑戰。
在研究中，Wurman和合作者讓一個名為“GT Sophy”的AI智能體學會利用深度強化學習來玩《GT賽車》。他們訓練這個智能體掌握在賽車比賽中高效加速和剎車的藝術，并學習如何在不同情況下或在對手擋路時替換行駛路線。
想要訓練出一個成功的AI，最大的挑戰之一是要確保它不會因為觸犯賽車規則而受罰，這里的賽車規則是一組由外部人類裁判判決的寬松規則。最后，GT Sophy利用代表不同賽車挑戰的三組賽車與路線組合——包括時速超過300千米的賽車——在對戰比賽中成功擊敗了四位全球頂級電子競技賽車手。
以上結果是計算機戰勝最強人類對手的一項最新競技任務，其他競技任務還包括國際象棋和撲克。作者認為，研究結果或讓賽車游戲變得更有意思，并能提供用來訓練職業賽車手和發現新賽車技巧的高水平比賽。這種方法還有望應用在真實世界的系統中，比如機器人、無人機和自動駕駛汽車。
相關論文信息：
https://www.nature.com/articles/s41586-021-04357-7