記者注：圖片來(lái)自DeepMind

眾所周知，強(qiáng)化學(xué)習(xí)（Reinforcement Learning）是一種人工智能訓(xùn)練技術(shù)，無(wú)論是在棋牌游戲方面打敗人類選手的機(jī)器人，還是在訓(xùn)練自動(dòng)駕駛系統(tǒng)方面，強(qiáng)化學(xué)習(xí)都起著至關(guān)重要的作用。

近日，Alphabet 旗下的 DeepMind 發(fā)表了一篇由 27 位研究人員共同完成的論文，詳細(xì)介紹了一個(gè)名為 OpenSpiel 的針對(duì)游戲的強(qiáng)化學(xué)習(xí)框架——這正是 DeepMind 的長(zhǎng)處所在。

這個(gè)名叫 OpenSpiel 的框架可以看作是一個(gè)強(qiáng)化學(xué)習(xí)環(huán)境和算法的集合（其中大部分環(huán)境和算法已經(jīng)進(jìn)行了全面測(cè)試），可以用于通用強(qiáng)化學(xué)習(xí)的研究和游戲的搜索/規(guī)劃研究；它還為分析學(xué)習(xí)動(dòng)態(tài)和其他常見(jiàn)評(píng)估指標(biāo)提供了工具。

記者在論文中發(fā)現(xiàn)，OpenSpiel 旨在許多不同的游戲中促進(jìn)多智能體強(qiáng)化學(xué)習(xí)，重點(diǎn)是學(xué)習(xí)，而不是競(jìng)爭(zhēng)；而且，該框架的建設(shè)基于兩個(gè)重要標(biāo)準(zhǔn)，即簡(jiǎn)單和輕量——簡(jiǎn)單主要體現(xiàn)在編程語(yǔ)言方面，即便是來(lái)自不同領(lǐng)域的研究人員也能輕易理解；輕量則體現(xiàn)在 OpenSpiel 將依賴關(guān)系保持在最低限度，降低了出現(xiàn)兼容性問(wèn)題的可能性。

就目前而言，OpenSpiel 框架中包含了 28 款游戲和 24 種算法。正如“Spiel（棋牌游戲）”一詞所含之意那樣，該框架支持的也都是相關(guān)的游戲；而且，這些游戲也包括多種博弈方式，比如，常和博弈、零和博弈、協(xié)調(diào)博弈和一般博弈。在編程語(yǔ)言方面，OpenSpiel 的游戲通過(guò) C++ 來(lái)實(shí)現(xiàn)、算法則通過(guò) C++ 和 Python 來(lái)實(shí)現(xiàn)，代碼的一個(gè)子集也被移植到 Swift。

不過(guò)，DeepMind 的研究人員指出，OpenSpiel 只在 Linux 系統(tǒng)上進(jìn)行了測(cè)試（Debian 10 和 Ubuntu 19.04），但由于 MacOS 和 Windows 上可自由使用代碼，Openspiel 在這些平臺(tái)上編譯和運(yùn)行時(shí)應(yīng)該也不會(huì)出現(xiàn)問(wèn)題。

在論文中，DeepMind 也給出了 OpenSpiel 的安裝方式，他們已經(jīng)在 Debian 和 Ubuntu 兩個(gè) Linux 系統(tǒng)上測(cè)試了框架。安裝方式如下：

值得一提的是，DeepMind 目前還沒(méi)有在 Linux 以外的平臺(tái)上測(cè)試 OpenSpiel，所以，一些腳本和指令目前是假定基于 Debian 的發(fā)行版（Debian 和 Ubuntu）。如果使用的是其他 Linux 發(fā)行版本，install.sh 里安裝依賴項(xiàng)的命令依然可用，不過(guò)，安裝命令需要自行修改。

為了能夠從任何位置導(dǎo)入 Python 代碼，需要將根目錄和 open_spiel 目錄添加到 PYTHONPATH 之中。

在遵循上述步驟構(gòu)建好 OpenSpiel 之后，從 build 目錄中運(yùn)行示例。

接下來(lái)就可以看到框架里的游戲列表，并且運(yùn)行游戲了。

記者(公眾號(hào)：記者)注：論文鏈接為 https://arxiv.org/pdf/1908.09453.pdf

項(xiàng)目地址為 https://github.com/deepmind/open_spiel