游戏AI走进现实，协助医生看片诊断

腾讯游戏AI绝悟，已经从王者荣耀世界中走向现实世界，帮助医生“看片”。在成效方面，研究团队选择了“淋巴结切片转移检测”及“肺癌分型”两个全片扫描图像进行了测试，决策提效400%。

腾讯AI Lab也为其取了一个代号——“绝悟RLogist”（寓意RL（reinforcement learning）+ Pathologist（病理学家））

01

游戏里的AI决策

因为游戏世界本身就是一个虚拟环境，适合使用强化学习做模拟场景应用。强化学习又在解决决策问题方面发挥着重要的作用。因此，游戏一度成为了决策AI分支里最热门的领域。

而在实际业务层面，如果可以刻画出完整的游戏规则，通过强化学习，AI就可以很快找出最优的决策。战胜人类职业围棋选手的AlphaGo，正是基于“学习环境、观察环境、进而做出决策”这一逻辑原理学习而成。

除了下棋，游戏AI决策还进入了打牌搓麻将，以及《星际争霸》、《王者荣耀》等即时战略游戏中。比如在王者荣耀中陪练的“绝悟”，在《星际争霸2》中具备宗师分段的竞技水平的AI模型“di-star”，该模型由商汤研发。

据介绍，di-star在监督学习的基础上，通过强化学习让AI以“自我博弈”方式进行大量对局，持续提升全局的决策能力。仅用5周的时间，完成了大约一亿局对战，最终才得以达到宗师分段的竞技水平。

但游戏AI的决策始终是在“可控”的虚拟环境中进行，让其走出游戏进入现实世界，协助人类做出决策，助力实体经济的发展是其最终目标。医疗，成为了游戏AI走向现实世界的桥梁之一。

02

游戏AI走进现实

走向现实的游戏AI也一样从学习和观察环境开始，在辅助医疗诊断方面，学习来源于人工标注的片子（包括病灶），只要让AI学遍所有的片子，AI就可以针对新片子进行“扫描”，找出存在问题的区域，然后集中“观察”问题区域，直到找出病灶。

腾讯的“绝悟RLogist”正在做这样的事情，绝悟RLogist是腾讯在绝悟AI基础上发布，寓意是RL（reinforcement learning）+ Pathologist（病理学家）。而“绝悟”是腾讯Al Lab研发的决策智能Al，已在MOBA、FPS、RTS、3D开放世界等多类复杂策略游戏中取得了国际顶尖的研究成果。

在研究团队看来，全片学习后定位问题区域，循环往复后定位病灶的过程，像极了在Minecraft（3D开放世界）游戏里面做伐木任务，即先在游戏世界里观察环境，然后找到森林在哪，再去采集木头。

通过不断地看片学习，在“淋巴结切片转移检测”及“肺癌分型”两个全片扫描图像测试中，绝悟RLogist将决策提效了400%。

除了“看片”的腾讯绝悟RLogist，DeepMind的AlphaFold破解了几乎所有已知的2亿多蛋白质结构。AlphaFold不仅改变了科学家确定蛋白质外观的方式，一些研究人员正在使用它们来制造全新的蛋白质。

除了在医疗领域，游戏AI正在向现实深处走去。

今年8月，雨前顾问与成都市人工智能产业生态联盟联合发布《借助游戏抢抓新一代人工智能产业机遇》，此为全国首个有关游戏推动人工智能产业发展的研究报告。

报告表示，很多人工智能成果的背后都有游戏的助力。AI在游戏环境中已获得长线推演、随机应变与多智能体协作等决策能力。随着虚实共生的元宇宙时代到来，AI的决策能力不仅能够增强游戏娱乐性，也开始在金融、交通、汽车、机器人等实体领域产生应用。