賈蘭

近日，行者AI表示，該公司利用亞馬孫云服務（AWS）旗下的全托管機器學習服務Amazon SageMaker開發(fā)的游戲內(nèi)容過濾服務，對不恰當內(nèi)容的識別率超過96%，大大高于同類產(chǎn)品的水平，上線短短3個月內(nèi)，已經(jīng)獲得了幾十家游戲客戶青睞，服務于三國群英傳及多多自走棋等多款游戲。借助AWS云服務，行者AI的上線時間比計劃縮短了6個月，運營效率提升76%，運營成本節(jié)省45%。此外，行者AI還利用AWS云服務開發(fā)了AI對戰(zhàn)機器人、AI情緒控制、AI自動測試及游戲數(shù)據(jù)平臺等產(chǎn)品，將為游戲企業(yè)提供更多有價值的服務，幫助游戲企業(yè)改善運營，提高效益。

在游戲運營中，內(nèi)容審核是一項成敗攸關的工作。低俗、色情及謾罵等內(nèi)容會導致用戶反感，破壞正常交流環(huán)境；違規(guī)敏感內(nèi)容會導致平臺整頓、停擺；惡意商業(yè)推廣、垃圾廣告會導致用戶流失、營收損失。人工審核要耗費大量的人力、時間和精力，而且很難做到實時、全部審核。而目前市場上的通用審核工具，準確率差強人意，而且模型不能進行更新，或者更新周期長。

為此，行者AI推出了一個具有強大機器學習能力的游戲內(nèi)容過濾服務。團隊在考慮IT基礎設施建設時認識到，作為一家初創(chuàng)公司，行者AI只有20多人，要盡可能減少運維投入，把更多的精力投入到算法上；內(nèi)容過濾服務開發(fā)和運行中需要大量的GPU、CPU計算資源，并且高峰需求是短暫、不連續(xù)的；數(shù)據(jù)是人工智能的核心要素，數(shù)據(jù)災備不可或缺。于是，行者AI決定選擇AWS上云，以云原生架構進行開發(fā)。

通過使用Amazon SageMaker機器學習服務，行者AI團隊可以一鍵構建、訓練以及部署機器學習模型，無需自行運維和管理底層的計算資源和機器學習框架等，極大提高了開發(fā)效率。在開發(fā)內(nèi)容過濾服務的過程中，要進行大量的機器學習和深度學習訓練。利用Amazon SageMaker，開發(fā)團隊一旦有新的想法，就可以快速進行算法驗證，根據(jù)結果做出優(yōu)化和修正，使每一次模型訓練都可以受益于SageMaker帶來的效率提升。

行者AI首席技術官江天宇接受采訪時表示，在他們的調(diào)研中，“Amazon SageMaker是所有云廠商中唯一實現(xiàn)了一站式機器學習服務的解決方案。從模型構建、訓練、測試到最終的發(fā)布，SageMaker提供完善的解決方案，而且操作使用非常簡單，基本能做到一鍵完成，給開發(fā)者節(jié)約了大量的時間。Sage Maker對市面上絕大多數(shù)深度學習框架，比如Tensorflow、PyTorch等都有非常好的支持。AWS的技術支持也非常到位，在模型發(fā)布過程中，及時快速地幫助行者AI解決了諸多疑難雜癥，為內(nèi)容過濾服務提前半年上線提供了強有力的保障?！?/p>

通過使用Amazon EC2 Spot（競價）實例，也解決了行者AI對計算資源的彈性需求問題。與按需實例相比，可以將成本降低高達90%。通過使用完全托管的Amazon Elasticsearch Service服務，行者AI可以搜索、分析和可視化PB級的日志數(shù)據(jù)，而不需要操心數(shù)據(jù)存儲、災備及擴展等運維問題。

AI對戰(zhàn)機器人將深度強化學習技術應用于游戲中，機器人通過學習玩家戰(zhàn)斗數(shù)據(jù)，在模擬環(huán)境中進行大量對抗式訓練，能夠在任意狀態(tài)下找到最優(yōu)決策，達到高手玩家操作水平。同時，通過對參數(shù)進行調(diào)節(jié)，可以生成各個難度等級的機器人。由于采用真人玩家數(shù)據(jù)訓練，AI對戰(zhàn)機器人將會模仿人類玩家的真實操作，提高游戲內(nèi)的玩家體驗。行者AI COO陳洪宇指出，目前《多多自走棋》AI對戰(zhàn)機器人每日調(diào)用均值達到百萬次，單次調(diào)用會持續(xù)30分鐘左右。

“多年來，游戲行業(yè)通常將業(yè)務側重點放在發(fā)行上，人力投入重在運維，以及跟游戲收入明顯相關的工作。相對來講，AI的滲透率并不高。”AWS相關負責人介紹。“行者AI憑借自研算法，推出內(nèi)容過濾、游戲AI和數(shù)據(jù)平臺解決方案，為游戲企業(yè)做AI賦能，業(yè)務價值顯著。相信未來在游戲行業(yè)將涌現(xiàn)更多樣化的機器學習應用場景?！?/p>