视频游戏开发者渴望使用人工智能来帮助创造可信的世界。因此，研究人员现在可以使用一些相同的游戏制作工具来训练AI，这并不奇怪。

在上周VentureBeat的2019变形会议上，Unity技术人工智能和机器学习副总裁Danny Lange认为，游戏引擎非常适合创建他所谓的“真实”计算机智能 - 自学系统能够在短时间内产生复杂的行为多少时间。使用游戏引擎(如公司自己的Unity引擎)，您可以模拟现实世界的规则并测试智能代理。

“如果你考虑[它]，游戏引擎有三个维度，时间，物理......它拥有你需要玩的所有东西，以及导致[人类]智能的核心元素，”兰格说。

该公司通过其Unity ML-Agents Toolkit插件在各种场景中培训代理。代理通过强化学习获得新的技能和行为，在任何给定的虚拟环境中，它唯一知道的是正确的(获得完成任务的奖励)和错误(受到惩罚)。除此之外，它是一块空白的石板。

兰格的一个例子显示，一只鸡试图穿过一条繁忙的道路。代理人的目标是抓住分散在水平附近的礼物(奖励)，而不会受到汽车的打击(惩罚)。人工智能最初在学习游戏规则时挣扎，但经过六个小时的反复训练后，兰格表示它变得“超人”，巧妙地躲避汽车，同时连续收集100多件礼物。

在另一种情况下，代理人有一个蜘蛛般的化身，由八个关节和四条腿组成。AI必须弄清楚如何使用和控制这些身体部位，以便它可以向前移动。结果有点笨拙(蜘蛛跳得比他们走的多)，但是在未来，这种加速学习可以帮助游戏开发者节省一些时间来创建不可玩的角色。

“想象一下我需要编写的编程 - 一些Java，C#，C ++编程，Python，你的名字 - 告诉哪个联合移动，何时以及多少，”Lange说。“或者我可以让蜘蛛摆动一个小时，通过反复试验，它会弄清楚如何从左到右以一些模式移动四条腿和八个关节。”

兰格和他的团队把这个想法更进一步与Puppo，在一个可爱的柯基犬的形状的代理。使用强化学习和基于物理的运动，Puppo学会了如何走路，跑步，跳跃和取棒。研究人员甚至建立了一个简单的游戏(用鼠标轻弹棒)，以显示狗在检索棒时的效率。

在另一个演示中，Lange展示了当您将数十个受过个性训练的Puppos放在一起时会发生什么。他们的目标是在赛道上追逐一碗满骨头。当他们跑向碗(沿着轨道不断移动)时，狗变得有竞争力并且开始互相推挤并通过在草地上跑步来制作自己的快捷方式。

今年早些时候，Unity与谷歌合作，与Obstacle Tower一起创建机器学习测试，这是一款只有AI代理才能玩的视频游戏。它由100个级别组成，挑战了代理人在障碍物上导航的能力，包括谜题，复杂的布局和危险的敌人。Unity正在举办一场比赛，看看哪个人工智能可以让它最远(兰格说领先的选手只能达到19级)。

通过障碍塔和其他项目，该公司正试图证明，当与游戏引擎相结合时，强化学习可以成为制作复杂AI的有效方法。毕竟，兰格说，这是我们星球上所有智能生命用来生存的过程。

“这就是孩子们的运作方式。这就是我们的运作方式。这就是动物的运作方式。......通过学习过程，你从没有线索[关于某事]到实际开始理解[它]，“他说。