中国的足球队夺得世界冠军！
「最终，比赛结束的哨声响起，各位观众，来自中国的WeKick足球团队，获得了本次挑战赛的冠军，让我们恭喜他们。」
恩等一下，中国足球队？夺冠？你没看错，在AI世界里，来自中国的足球团队WeKick，这次冲出了亚洲，在世界的舞台上，大放异彩。
他们获得冠军的这次赛事由Google Research和英超曼城足球俱乐部联合举办，是信息学国际性挑战赛举办平台Kaggle上的一项AI足球挑战赛，全球一共有1138只队伍参加。
尤其值得一提的是，WeKick足球队的战斗表现和战斗精神都可圈可点，最后一场比赛中，在落后两球的不利情况下，他们连进三球，最终实现了大逆转。
接下来，就让我们看看这场比赛，以及AI足球队是如何踢球的。
连进三球，成功逆转
比赛中，我国的WeKick是红色一方，对手SaltyFish是蓝色一方，他们背后的数字，代表的是控制球员的球衣号码，而足球，则是那个白色字母B。
好的，比赛开始，让我们回到比赛现场。
对阵的双方，分别是WeKick和SaltyFish 。在派出的队员上，对阵的双方数值一样，是无差别的。此外，双方也都没有替补队员。
情况似乎有些糟糕，因为WeKick目前已经0比2落后了。
「传球」、「扑救」、「团队配合」、「远射」等等。这些正常足球场上会发生的操作，AI在游戏中操作起来也是娴熟无比。
这个WeKick，究竟是个啥？
实不相瞒，这个WeKick的真面目，其实就是：「绝悟」。是的，不用怀疑，就是王者荣耀里面的那个AI绝悟。
在王者荣耀的数据去训练的话，就是王者荣耀里的那个全英雄池的「绝悟完全体」，而如果用足球的数据去训练，就是这次比赛的「WeKick」。
在赛后总结中，「绝悟」的研究团队向大家揭秘了这个AI背后的秘密。它的出现，一共可以分为三步：
首先，是通过强化学习和自博弈（Self-Play），从零开始训练模型。
不过，对于足球运动，如果只由进球与否来决定成败的话，其实并不利于模型的训练。于是，「绝悟」的研究团队在价值估计（奖励模式）上，进一步进行细化。
评价标准多样化之后，AI在训练过程中能更快得到反馈，然后进行下一步操作。
除了将奖励细分化，由于足球是一项团体配合的运动，所以「绝悟」的研究团队还使用了一种名为「生成对抗模拟学习」（GAIL）的技术来进行自博弈训练。
这项技术，可以模拟一些难以细化定量描述的战术，比如足球比赛中常见的「长传反击」、「控球渗透」等等。
通过模拟出不同战术风格的对手，然后让AI与其对抗，进行训练和学习。
最后，研究人员使用「基于 League 的多风格强化学习」这个方法进行补充训练，防止在赛场上见到一些奇怪的战术，会让AI一时间手足无措，自己先乱起来了。
这其实也是咱们普通人应付考试的时候，老师们经常会给出一些奇奇怪怪模拟试卷的原因。
参考资料：
https://www.kaggle.com/c/google-football
https://ai.googleblog.com/2019/06/introducing-google-research-football.html
https://github.com/google-research/football
https://www.youtube.com/watch?v=F8DcgFDT9sc&feature=emb_logo
https://mp.weixin.qq.com/s/D2uu6vaaPfQSDeLEGlaoCw
来源：狂丸科学