據英國《自然》雜志9日發表的一項研究，一種人工智能(AI)在著名對戰賽車游戲《GT賽車》中戰勝了世界冠軍級玩家。這個AI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。研究結果將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。
索尼AI科學家彼得·烏爾曼及其同事此次讓一個名為“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公里的賽車——在對戰比賽中成功擊敗了4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。研究人員認為，這一結果不但讓賽車游戲變得更有意思，還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。
總編輯圈點
賽車的目標是什么?人們總是很容易下定義：在更短時間里超過所有對手，你就贏了。但如果僅僅是這樣，一級方程式賽車不會被稱為現代運動里最鬼斧神工的工程學展示。賽車實際上是一場人類最大限度利用物理學進行的復雜戰斗和策略風暴，輪胎的摩擦力、過彎的速度、剎車的時間點……專業選手對賽車的精準操控，專業團隊每一步戰術的制定，正是人類身體和智慧的最佳發揮。作為一個AI，“GT Sophy”卻沒有運用物理顯式計算，它所用的是神經網絡模型學習，以及足夠的數據“修煉”自身，最終，在與人類冠軍的正面交鋒中，它一騎絕塵。
