启元世界获2018 NeurIPS多智能体竞赛Learning组冠军,决策智能平台价值凸显 | 高榕新闻

2018 年 12 月 21 日 高榕资本

启元世界是一家于2017年成立的决策智能技术公司,由前阿里认知计算实验室资深总监、淘宝推荐算法团队创始人袁泉、前阿里搜索广告架构负责人龙海涛共同发起。启元此次在2018 NeurIPS多智能体竞赛Learning组夺冠,展现了这家来自中国的决策智能团队具备的世界级技术实力。

 

高榕认为,决策智能将是AI未来重要的技术方向。启元世界曾于2017年获得高榕资本数千万元人民币的天使轮融资,高榕资本也是启元世界天使轮融资时唯一接触的投资机构。

近日,国际人工智能顶级大会NeurIPS 2018顺利落幕。八千多位来自全世界的人工智能研究人员齐聚加拿大蒙特利尔,讨论分享过去一年全世界在人工智能的各个领域的最新进展,该会议举办了一系列竞赛来鼓励学术界和工业界一起解决最有挑战性的人工智能难题。作为人工智能领域历史最悠久的学术会议之一,会议成果被视作人工智能领域的研究「风向标」。

 

其中,由谷歌大脑、Facebook、牛津大学及在游戏AI界久负盛名的纽约大学等机构联合举办多智能体竞赛-炸弹人团队赛(The NeurIPS 2018 Pommerman Competition)尤其引人瞩目。来自中国启元世界的彭鹏博士、中科院计算所助理研究员庞亮博士和北师大的袁钰峰组成的赛队,与美国、欧洲、日本、中国的24支一流队伍进行了激烈角逐,最终基于启元决策智能平台训练的Navocado双智能体能力稳定提升,夺得了Learning组冠军,展现了来自中国的决策智能团队具备的世界级技术实力。

 


启元世界是一家2017年成立的以认知决策智能技术为核心的公司,由前阿里、Netflix、IBM的科学家和高管发起,并拥有伯克利、CMU等知名机构的特聘顾问。团队核心能力以深度学习、强化学习、超大规模并行计算为基础,拥有互联网、游戏等众多领域的成功经验。

 

决策智能目前是一个世界级的技术难题,决策过程也是人脑中最复杂的一种功能。由于在游戏、交通、电力等领域具备极大的应用前景,决策智能近年也成为全球人工智能研究的热点,DeepMind、Facebook、Open AI、微软、亚马逊等科技巨头都成立了实验室进行相关研究。相较于单智能体,多智能体博弈的难度更是指数级增加。此次NeurIPS多智能体竞赛是NeurIPS会议上首次开设多智能体竞赛,将多智能体协作、非完全信息博弈以及持续学习等关键问题浓缩到炸弹人这款竞赛中,鼓励全世界优秀的研发人员一起参加解决技术挑战。

 

此次NeurIPS多智能体竞赛采用激烈双淘汰机制(Double Elimination),25支参赛队分别提供2个智能体参加2v2对抗赛。参赛队伍的每个智能体初始都被困在一个封闭的区间中,智能体只有炸开附近的木箱才能进去其他区域。在几乎所有障碍物都被清理干净后,智能体进入到对抗阶段,所有智能体都可以自由地在全局活动,这个阶段智能体的主要目标就是炸掉对手。


炸弹人主动将炸弹朝对手方向踢出,精确击溃对手


竞赛过程中需要智能体完成:1)清除障碍物,2)躲避自己的炸弹火焰,3)收集装备,4)躲避自己和其他人的炸弹火焰,5)放炸弹杀死对手,6) 避免放炸弹杀死队友。整个过程,对智能体有效甄别和提取有效信息,同时对未知信息进行推理和假设,以及多智能体协作都提出了很高的技术要求。

 

每个赛队线下有2个月的时间进行模型训练。最终基于启元决策智能平台训练的Navocado战胜了来自加拿大的Skynet,拿下Learning组冠军。Skynet的团队来自加拿大近百人规模的科技公司Borealis.ai。从对战过程来看,启元的Navocado智能体的主动进攻能力明显强于对手。从Skynet在官网公开的实现方案来看,Skynet模型在决策过程中加入了很多人工干预(比如限制炸弹人不能往火焰里走),这和Navocado模型在整个训练和决策过程中不加人工干预、自主学会各项技能的方式也有较大的差距。


Navocado智能体持续训练过程中的效果提升曲线


启元从2017年起打造的决策智能平台,在这次赛事夺冠的智能体训练中起到了关键作用。强化学习作为决策智能的核心技术,也是极具挑战的一种机器学习方法。由于强化学习涉及到的链路很长,而强化学习算法本身对超参十分敏感,学术界中各人不同的实现或配置都很容易导致出现训练结果不可复现的现象。强化学习技术在可复现性、可复用性和鲁棒性方面存在着挑战。

 

借助平台化的力量,启元决策智能平台运用强化学习解决复杂决策问题,证明了强化学习的可行性。启元决策智能平台搭建了支持多智能体博弈的基础架构,能够通过竞技的方式实现多智能体持续学习的能力。平台还支持包括自动化资源调度和自动调参的元学习,使得模型训练的更加高效。

 

启元世界彭鹏博士介绍,启元团队对强化学习这个领域都很有Passion。这次我们在NeurIPS多智能体竞赛夺冠的智能体,在每个阶段的训练过程没有人工干预,学习曲线非常漂亮,进一步验证了这套体系的有效性和鲁棒性,验证了强化学习技术的价值。

 

从平台架构设计到底层实现上,启元都做了很多细致的工作,力求在包括环境模拟、模型预估和训练等各个决策智能相关的环节都做到完美。启元赛队基于决策智能平台分阶段设计了奖励机制以及调整超参。在使用启元决策智能平台的过程中,赛队可以快速地调度所需资源进行任务部署,配置对战所需的智能体,并且在训练过程实时观察不同模型的对战情况和胜率曲线,从而做出最快的调整。


启元决策智能平台架构

 

在此次NeurIPS多智能体竞赛中,启元决策智能平台提供了三大助力:

 

第一,支持智能体持续学习的能力。

 

持续学习的能力是智能体训练中关键的一环。在训练阶段,炸弹人竞赛中的智能体需要在学习新技能的过程中保留过去学会的技能,才能达到很高的水平。启元决策智能平台通过智能体群体匹配竞技的方式实现“自然选择”,从而达到持续学习的效果。在竞技过程中,强者留存,弱者被淘汰。在弱者被淘汰之后,空出来的位置被强者的克隆体代替,而强者的克隆体则根据新的超参设定持续进化。在固定计算资源预算的情况下,启元决策智能平台通过这套机制在探索新强者(exploration)和深挖旧强者(exploitation)之间平衡对计算资源的使用情况。

 

第二,支持复杂场景的多智能体联合训练。

 

在多智能体博弈问题中,不同智能体之间的相互克制较为常见,其收敛可能性极为复杂。在炸弹人竞赛中,不同队伍的智能体风格迥异,有的善攻,有的善守。基于“鲶鱼效应”的思想(指透过引入强者,激发弱者变强的效应),启元决策智能平台在训练初期引入基于规则的高阶对手,激发初期较弱的智能体在与强者的对决中学会各种基本技能,迅速提升变强;随着训练阶段的深入,启元决策智能平台同时训练多个智能体,使其在激烈的相互对抗中完善自我。

 

第三,支持基于私有云集群的大规模、高并发的模拟和大规模训练。

 

启元决策智能平台将架构图中所示的多个模块进行组件化,并封装到了容器中。通过云端自动化的方式管理数百CPU以及GPU资源并实现容器编排,降低了调度数十个炸弹人训练任务的成本。大规模、高并发的模拟计算以及大规模的训练同时在私有云集群中进行。另外,启元决策智能平台提供分布式存储方案,并配置成共享模型池,为炸弹人智能体模型群体的持久化和共享提供支持。

 

启元决策智能平台v0.8版本目前已用于游戏、网络智能及仿真等场景中。基于为客户提供的高附加值服务,启元世界在2018年商业化上小试牛刀,即已取得不错的营收。2019年,启元世界计划发布第一版启元决策智能平台型产品,为更多行业客户、终端用户带来高体验的服务。

END

推荐阅读


启元世界在ACM全球总决赛期间发布AI人机协作竞赛,开启协作智能研究新里程 | 高榕新闻

  • 高榕资本管理的美元基金和人民币基金总额折合约150亿人民币,专注于TMT行业初创期和成长期投资。


  • 出资人既包括全球顶级机构投资人,也包括中国金融、零售、广告等行业的企业巨头。


  • 同时,数十位成功企业家,如腾讯、百度、淘宝、小米、美团、大众点评、360、分众传媒、微博、搜狐、京东、唯品会、土豆、汽车之家、赶集网等企业的创始人也是高榕资本的出资人。


  • 创始合伙人曾主导投资了多家优秀公司,包括小米、Razer雷蛇、暴风科技、吉比特、土豆网、万兴软件、诚迈科技、91助手、3G门户、蘑菇街、刀塔传奇、猿题库等。


  • 高榕成立后投资或入股的多家公司也已成长为各自行业全国乃至全球的领军企业,包括:拼多多(NASDAQ: PDD)、虎牙直播(NYSE: HUYA)、华米(NYSE: HMI)、蘑菇街(NYSE: MOGU)、乐心医疗(300562.SZ)、美团点评(03690.HK)、平安好医生(01833.HK)、中融金(被奥马电器收购)、深鉴科技(被赛灵思收购)、钱袋宝(被美团点评收购)、凡普金科、贝贝网、乐其电商、DotC、Nuro、依图科技、石头科技、天壤智能、追一科技、虎博科技、Oasis Labs、备胎好车、量化派、水滴互助、Testin云测、斗米、BIGO LIVE、蛋壳公寓、钱大妈、完美日记、优客工场等。


  • 高榕资本在北京、上海、广州、深圳、杭州均有投资团队常驻。

长按二维码,关注高榕资本

谢谢你,高榕的好朋友


登录查看更多
1

相关内容

商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
人机对抗智能技术
专知会员服务
202+阅读 · 2020年5月3日
【课程】概率图模型,卡内基梅隆大学邢波
专知会员服务
69+阅读 · 2019年11月4日
突发!腾讯AI Lab主任张潼离职,或将返回学界
机器之心
4+阅读 · 2019年1月3日
雄安,人类历史上第一个人工智能城市正在崛起
全球创新论坛
5+阅读 · 2017年12月22日
腾讯AI Lab斩获知识图谱顶级赛事KBP 2017世界冠军
全球人工智能
10+阅读 · 2017年12月1日
关于人工智能(上)
七月在线实验室
4+阅读 · 2017年9月13日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
7+阅读 · 2018年8月28日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
11+阅读 · 2018年7月31日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
VIP会员
相关论文
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Arxiv
7+阅读 · 2018年8月28日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
11+阅读 · 2018年7月31日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Top
微信扫码咨询专知VIP会员