[发明专利]游戏人工智能系统的加速方法及系统

说明书

本发明提供了一种游戏人工智能系统的加速方法，输入多通道游戏数据，根据游戏逻辑得到返回信息以及使用深度并行计算框架计算节点优先度初始值和返回信息近似值；利用节点优先度初始值形成树形结构，生成新的数据节点，并填入节点优先度初始值作为数据节点信息，再将返回信息近似值填入数据节点，然后将数据节点信息回传，更新各个数据节点保存的信息，输出最终优先度；根据最终优先度结果，通过缩小相邻多通道游戏数据优先度之间的差异，以及，根据返回信息和最终优先度结果，通过缩小最终优先度与返回信息之间的差异，更新深度并行计算框架内的参数。同时提供了一种加速系统。本发明提供的加速方法和系统，可以提高系统提升的速度。

技术领域

本发明涉及采用计算机构建游戏人工智能系统技术领域，具体地，涉及一种游戏人工智能系统的加速方法及系统。

背景技术

采用计算机构建游戏人工智能系统，最初的技术主要专注于设计启发函数，例如国际象棋AI程序深蓝是由多名国际象棋高手设计特征，再由计算机程序员编写极大极小搜索程序得来。但这类做法有以下局限：(1)人类对游戏的认知有限，例如对于围棋等状态空间极大的任务，人类的领域知识极为有限，从而设计的启发函数也就不可靠；(2)极大极小搜索过于暴力，耗时巨大，效率低下，仅仅在国际象棋上超越人类，而无法在围棋类对弈上取得突破进展；(3)手工线性特征过于简单，无法适应复杂的围棋类对弈，也无法发挥现代高性能计算资源的优势。

随着深度并行计算框架，特别是深度卷积神经网络的发展，使得端到端的技术应用日益广泛。目前有一些将多通道游戏数据(例如棋盘)视为图像的方法出现，并取得了突破性的进展。

围棋类对弈智能系统的研发，是几十年来业界和学术界的研发焦点之一，它的人工智能程序研发极具挑战性。目前已有用神经网络对优先度和返回值进行建模的方法，但仍然是通过自我对弈进行抽样，虽然效果很好但极其消耗硬件资源。具体地，优先度-返回值是用残差模块建立的，接收围棋类棋盘表示作为输入，估计其下一步落子概率分布和胜率，它可以看作是一种快而强大的启发函数来指导蒙特卡洛树搜索。近两年有几家企业、团队沿用这种方法，研发出高水平的围棋类对弈人工智能程序，但都仅仅是简单复现，并未有理论或方法上的创新，且耗费硬件资源和时间巨大，普通研究者或个人无法承受。

机器学习手段可以用来训练、增强游戏人工智能系统。对围棋类对弈来说，可设计一个认知系统，用来初始化数据节点优先度，监督学习和强化学习都可以用于增强该认知系统。监督学习方法是用一个包含超过2000万个(多通道游戏数据-优先信息-返回值)三元组的数据集来训练优先度-返回值模型。强化学习是用自我对弈的方式产生大量数据用于增强系统，并且在迭代过程中产生更高质量的数据，而认知模块性能逐渐变强。

自我对弈是一类强化学习，模型通过与环境不断交互产生训练数据，用训练数据更新模型后得到更强的策略，然后继续产生数据，如此迭代下去。不过，这样的自我对弈，在如今的深度学习的时代，每次自我对弈耗费资源和时间巨大，这对业界的复现和生产很不利，因此需要一些手段去减少自我对弈棋局的数量。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的依赖大量数据进行机器学习、硬件消耗大的缺陷，本发明的目的是提供一种游戏人工智能系统的加速方法及系统，提高系统提升的速度的同时，降低硬件资源的消耗和处理时间。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种游戏人工智能系统的加速方法，包括：

S0：输入多通道游戏数据，根据游戏逻辑得到返回信息；

S1：输入多通道游戏数据，使用深度并行计算框架计算节点优先度初始值和返回信息近似值，并产生特征图，用于S3缩小其间的平方误差；