DeepMind 开源自己的“杀手锏”了

▼

众所周知，强化学习（Reinforcement Learning）是一种人工智慧训练技术，无论棋牌游戏方面打败人类选手的机器人，还是在训练自动驾驶系统，强化学习都有至关重要的作用。

近日，Alphabet 旗下 DeepMind 发表一篇 27 位研究人员共同完成的论文，详细介绍名为 OpenSpiel，针对游戏的强化学习框架──正是 DeepMind 的长处所在。

OpenSpiel 厉害在哪？

OpenSpiel 框架可看作强化学习环境和演算法集合（大部分环境和演算法已全面测试），可用于通用强化学习的研究和游戏搜寻／规划研究；还为分析学习动态和其他常见评估指标提供工具。

论文发现，OpenSpiel 旨在许多不同的游戏促进多智慧体强化学习，重点是学习，而不是竞争；且框架的建设基于两个重要标准，即简单和轻型──简单主要体现在程式设计语言方面，即便来自不同领域的研究人员也能轻易理解；轻型则体现在 OpenSpiel 将依赖关系保持在最低限度，降低出现相容性问题的可能性。

就目前而言，OpenSpiel 框架包含 28 款游戏和 24 种演算法。正如“Spiel”（棋牌游戏）词意，框架支援的也都是相关游戏；而且游戏也包括多种博弈方式，比如常和博弈、零和博弈、协调博弈和一般博弈。程式设计语言方面，OpenSpiel 游戏透过 C++ 达成、演算法则透过 C++ 和 Python 达成，一个程式码子集也移植到 Swift。

不过，DeepMind 研究人员指出，OpenSpiel 只在 Linux 系统测试（Debian 10 和 Ubuntu 19.04），但由于 MacOS 和 Windows 可自由使用程式码，Openspiel 在这些平台编译和执行时应该也不会出现问题。

怎么安装 OpenSpiel？

• 论文中，DeepMind 说明了 OpenSpiel 的安装方式，他们已经在 Debian 和 Ubuntu 两个 Linux 系统测试过框架。安装方式如下：

值得一提的是，DeepMind 目前还没有在 Linux 以外平台测试过OpenSpiel，所以，一些程式档和指令目前是假定基于 Debian 的发行版（Debian 和 Ubuntu）。如果使用其他 Linux 发行版，install.sh 里安装依赖项的指令依然可用，不过，安装指令需自行修改。

• 为了能从任何位置导入 Python 程式码，需将根目录和 open_spiel 目录添加到 PYTHONPATH。

• 遵循上述步骤构建好 OpenSpiel 之后，从 build 目录执行范例。

• 接下来就能看到框架里的游戏清单，并执行游戏了。

（本文由 雷锋网 授权转载；首图来源：DeepMind / Github）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。