由于其兼具挑战性和趣味性，一经推出便吸引海内外队伍踊跃参加，截至 12 月中旬，吸引了来自世界各地的 1100 多个团队，其中包含多支世界顶级学府和研究机构的科研强队。

　　最终——腾讯 AI Lab 绝悟 WeKick版本（下称「绝悟」）以 1785.8 的分数获得冠军，且相比于其它队伍优势非常明显。

　　外表简陋，但和正常足球比赛一样没差，短传、长传、直塞、射门、铲球样样都有。

　　游戏场景是完全对称的，双方有一样的球员，没有主客场、状态好坏的数值差异，没有替补球员、没有加时赛、进球多获胜（否则平局）。

　　规则也与普通足球比赛类似——比赛分上下半场（各 45 分钟，1500 步，两支球队各开球一次），目标都是将球踢入对方球门。

　　对方开场势如破竹呀，只见对方10号传给了中插的5号，一脚抽射，应声入网。

　　可以看到，比赛中每个球员都各由一个单独的智能体控制，参赛团队需要实时选择并控制其中一个智能体，与其他内置智能体配合。

　　因此，每个球员不仅需要观察对手的行为，还需要留意己方队员的情况。这需要非常复杂的团队协作和竞争策略。

　　和大多数参赛队伍一样，「绝悟」也主要采用了强化学习和自博弈（Self-Play）来从零开始训练模型的方法。

　　其训练的基础架构是基于「绝悟」完全体的架构迁移得到的，详情参阅《腾讯绝悟AI完全体限时开放体验，研究登上国际顶会与顶刊》

　　基于此，腾讯 AI Lab 又针对足球任务对该框架做针对性改进，使其能适应 11 智能体足球游戏训练环境。

　　这也证明了腾讯 AI Lab 开发的「绝悟」的底层架构与方法的通用性，可以预见这类方法未来还有望进一步迁移至机器人等更多领域，从而创造更大的实用价值。

　　从围棋 AI 「绝艺」到策略决策型 AI「绝悟」，再到如今的 AI 足球队绝悟 WeKick 版本，腾讯 AI Lab 的深度强化学习智能体步步进化，逐渐向更复杂更多样化的问题迁移，其中的每一次进展都让我们离通用人工智能终极目标更近了一步。返回搜狐，查看更多