小人不断跳跃到实时生成的平台上、最后到达终点。
你以为这是个类似于微信“跳一跳”的小游戏？
但它的真实身份，其实是游戏大厂 EA（美国艺电公司）最新研究出的游戏测试 AI。
和普通只会打游戏的 AI 不同，这次 EA 提出的新模型不仅要让小人成功跳到终点，还要自己实时生成平台来“为难”自己。
为什么要设计成这种“相爱相杀”的关系呢？
因为，此前的许多游戏测试 AI 往往会对训练中的地图过拟合，这导致它们在测试新地图时的表现很差。
由此，在强化学习的基础上，EA 研究人员受到 GAN 的启发，提出了这种新方法 ARLPCG （Adversarial Reinforcement Learning for Procedural Content Generation）。
目前，该方法的相关论文已被 IEEE Conference on Games 2021 接收。
用博弈论解决过拟合
其实，把 AI 用到游戏测试，已经不是一件新鲜事了。
此前许多游戏测试 AI 都用到了强化学习。
它的特点是基于环境而行动，根据从环境中获得的奖励或惩罚（比如获得积分、掉血等等）不断学习，从而制定出一套最佳的行动策略。
不过研究人员发现，强化学习对于固定场景的泛化能力很差，往往会出现过拟合的现象。
比如在同样的场景中，只用强化学习训练的情况下，小人遇到陌生路径，就会发生“集体自杀”事件。
这对于测试游戏地图哪里出现错误而言，真的非常糟糕。
为此，EA 的研究人员参考了 GAN 的原理来设计模型，让 AI 内部自己对抗、优化。
具体来看，他们提出的方法 ARLPCG 主要由两个强化学习智能体组成。
第一个智能体生成器 （Generator）主要负责生成游戏地图，它使用了程序内容生成（Procedural Content Generation），这是一种可以自动生成游戏地图或其他元素的技术。
第二个智能体是解算器 （Solver），它负责完成生成器所创建的关卡。
其中，解算器完成关卡后会获得一定的奖励；生成器生成具有挑战性且可通过的地图时，也会获得奖励。
训练过程中，两个智能体之间会相互提供反馈，让双方都能拿到奖励。
最终生成器将学会创建各种可通过的地图，解算器也能在测试各种地图时变得更加通用。
与此同时，为了能够调节关卡难度，研究人员还在模型中引入了辅助输入 （Auxiliary input）。
通过调节这个值的大小，他们就能控制游戏的通过率。
比如，将生成器的辅助输入设为 1 时，它生成的平台就会更大、间距更近，小人跳跃的难度也就更低。
当辅助输入为-1 时，生成的平台就会变小、间距也会拉开，能够通关的小人随之变少。
结果显示，在生成器的辅助输入从 1 降至-1 过程中，成功率从 97% 降低到了 69%。
此外，也能通过调节解算器的辅助输入值控制通过率。
在固定路径、规则生成路径和对抗化生成路径几种情况下，通过率都随着辅助输入的降低而降低。
其中，对抗强化生成路径的通过率明显高于其他两种。
此外，因为具有对未知环境泛化的能力，这个 AI 训练好后还可以被用于实时测试。
它可以在未知路段中构建出合理的通过路线，并能反馈路径中的障碍或其他问题的位置。
此外，这个 AI 还能被用于不同的游戏环境，在这篇论文中，EA 还展示了它在赛车游戏环境中的表现情况。
在这个场景下，生成器可以创建不同长度、坡度、转弯的路段，解算器则变成了小车在上面行驶。
如果在生成器中添加光线投射，还能在现有环境中导航。
在这种情况下，我们看到生成器在不同障碍物之间创建行驶难度低的轨道，从而让小车到达终点（图中紫色的球）。
为测试大型开放游戏
论文一作 Linus Gisslén 表示，开放世界游戏和实时服务类游戏是现在发展的大势所趋，当游戏中引入很多可变动的元素时，会产生的 bug 也就随之增多。
因此游戏测试变得非常重要。
目前常用的测试方法主要有两种：一种是用脚本自动化测试，另一种是人工测试。
脚本测试速度快，但是在复杂问题上的处理效果不好；人工测试刚好相反，虽然可以发现很多复杂的问题，但是效率很低。
而 AI 刚好可以把这两种方法的优点结合起来。
事实上，EA 这次提出的新方法非常轻便，生成器和求解器只用了两层具有 512 个单元的神经网络。
Linus Gisslén 解释称，这是因为具有多个技能会导致模型的训练成本非常高，所以他们尽可能让每个受过训练的智能体只会一个技能。
他们希望之后这个 AI 可以不断学习到新的技能，让人工测试员从无聊枯燥的普通测试中解放出来。
此外 EA 表示，当 AI、机器学习逐渐成为整个游戏行业使用的主流技术时，EA 也会有充分的准备。