小夥伴們快看過來！這是一款全新打造的 ⚔️ AI vs. AI ⚔️——深度強化學習多智慧體競賽系統。

這個工具託管在 Space 上，允許我們建立多智慧體競賽。它包含三個元素:

一個帶匹配演演算法的 Space，使用後臺任務執行模型戰鬥。
一個包含結果的 Dataset。
一個獲取匹配歷史結果和顯示模型 LEO 的 Leaderboard。

然後，當用戶將一個訓練好的模型推到 Hub 時，它會獲取評估和排名。得益於此，我們可以在多智慧體環境中對你的智慧體與其他智慧體進行評估。

除了作為一個託管多智慧體競賽的有用工具，我們認為這個工具在多智慧體設定中可以成為一個 健壯的評估技術。通過與許多策略對抗，你的智慧體將根據廣泛的行為進行評估。這應該能讓你很好地瞭解你的策略的質量。

讓我們看看它在我們的第一個競賽託管: SoccerTwos Challenge 上是如何工作的。

AI vs. AI是怎麼工作的？

AI vs. AI 是一個在 Hugging Face 上開發的開源工具，對多智慧體環境下強化學習模型的強度進行排名。

其思想是通過讓模型之間持續比賽，並使用比賽結果來評估它們與所有其他模型相比的表現，從而在不需要經典指標的情況下了解它們的策略質量，從而獲得 對技能的相對衡量，而不是客觀衡量。

對於一個給定的任務或環境，提交的智慧體越多，評分就越有代表性。

為了在一個競爭的環境裡基於比賽結果獲得評分，我們決定根據 ELO 評分系統進行排名。

遊戲的核心理念是，在比賽結束後，雙方玩家的評分都會根據比賽結果和他們在比賽前的評分進行更新。當一個擁有高評分的使用者打敗一個擁有低排名的使用者時，他們便不會獲得太多分數。同樣，在這種情況下，輸家也不會損失很多分。

相反地，如果一個低評級的玩家擊敗了一個高評級的玩家，這將對他們的評級產生更顯著的影響。

在我們的環境中，我們儘量保持系統的簡單性，不根據玩家的初始評分來改變獲得或失去的數量。因此，收益和損失總是完全相反的 (例如+10 / -10)，平均 ELO 評分將保持在初始評分不變。選擇一個1200 ELO 評分啟動完全是任意的。

如果你想了解更多關於 ELO 的資訊並且檢視一些計算範例，我們在深度強化學習課程裡寫了一個解釋。

使用此評級，可以 自動在具有可對比強度的模型之間進行匹配。你可以有多種方法來建立匹配系統，但在這裡我們決定保持它相當簡單，同時保證比賽的多樣性最小，並保持大多數比賽的對手評分相當接近。

以下是該演演算法的工作原理:

從 Hub 上收集所有可用的模型。新模型獲得初始 1200 的評分，其他的模型保持在以前比賽中得到或失去的評分。
從所有這些模型建立一個佇列。
從佇列中彈出第一個元素 (模型)，然後從 n 個模型中隨機抽取另一個與第一個模型評級最接近的模型。
通過在環境中 (例如一個 Unity 可執行檔案) 載入這兩個模型來模擬這個比賽，並收集結果。對於這個實現，我們將結果傳送到 Hub上的 Hug Face Dataset。
根據收到的結果和 ELO 公式計算兩個模型的新評分。
繼續兩個兩個地彈出模型並模擬比賽，直到佇列中只有一個或零個模型。
儲存結果評分，回到步驟 1。

為了持續執行這個配對過程，我們使用 免費的 Hug Face Spaces 硬體和一個 Scheduler 來作為後臺任務持續執行這個配對過程。

Space 還用於獲取每個以及比賽過的模型的 ELO 評分，並顯示一個排行榜，每個人都可以檢查模型的進度。

該過程通常使用幾個 Hugging Face Datasets 來提供資料永續性 (這裡是匹配歷史和模型評分)。

因為這個過程也儲存了比賽的歷史，因此可以精確地看到任意給定模型的結果。例如，這可以讓你檢查為什麼你的模型與另一個模型搏鬥，最顯著的是使用另一個演示 Space 來視覺化匹配，就像這個。

目前，這個實驗是在 MLAgent 環境 SoccerTwos 下進行的，用於 Hugging Face 深度強化學習課程，然而，這個過程和實現通常是 環境無關的，可以用來免費評估廣泛的對抗性多智慧體設定。

當然，需要再次提醒的是，此評估是提交的智慧體實力之間的相對評分，評分本身 與其他指標相比沒有客觀意義。它只表示一個模型與模型池中其他模型相對的好壞。儘管如此，如果有足夠大且多樣化的模型池 (以及足夠多的比賽)，這種評估將成為表示模型一般效能的可靠方法。

我們的第一個 AI vs. AI 挑戰實驗: SoccerTwos Challenge ⚽

這個挑戰是我們免費的深度強化學習課程的第 7 單元。它開始於 2 月 1 日，計劃於 4 月 30 日結束。

如果你感興趣，你不必參加課程就可以加入這個比賽。你可以在這裡開始

在這個單元，讀者通過訓練一個 2 vs 2 足球隊 學習多智慧體強化學習 (MARL) 的基礎。

用到的環境是 Unity ML-Agents 團隊製作的。這個比賽的目標是簡單的: 你的隊伍需要進一個球。要做到這一點，他們需要擊敗對手的團隊，並與隊友合作。

除了排行榜，我們建立了一個 Space 演示，人們可以選擇兩個隊伍並視覺化它們的比賽。

這個實驗進展順利，因為我們已經在排行榜上有 48 個模型了。

我們也創造了一個叫做 ai-vs-ai-competition 的 discord 頻道，人們可以與他人交流並分享建議。

結論，以及下一步

因為我們開發的這個工具是 環境無關的，在未來我們想用 PettingZoo 舉辦更多的挑戰賽和多智慧體環境。如果你有一些想做的環境或者挑戰賽，不要猶豫，與我們聯絡。

在未來，我們將用我們創造的工具和環境來舉辦多個多智慧體比賽，例如 SnowballFight。

除了稱為一個舉辦多智慧體比賽的有用工具，我們考慮這個工具也可以在多智慧體設定中成為 一項健壯的評估技術: 通過與許多策略對抗，你的智慧體將根據廣泛的行為進行評估，並且你將很好地瞭解你的策略的質量。

保持聯絡的最佳方式是加入我們的 Discord與我們和社群進行交流。

參照

參照: 如果你發現這對你的學術工作是有用的，請考慮參照我們的工作:

Cochet, Simonini, "Introducing AI vs. AI a deep reinforcement learning multi-agents competition system", Hugging Face Blog, 2023.

BibTeX 參照:

@article{cochet-simonini2023,
  author = {Cochet, Carl and Simonini, Thomas},
  title = {Introducing AI vs. AI a deep reinforcement learning multi-agents competition system},
  journal = {Hugging Face Blog},
  year = {2023},
  note = {https://huggingface.co/blog/aivsai},
}

英文原文: https://huggingface.co/blog/aivsai

作者: Carl Cochet、Thomas Simonini

譯者: AIboy1993 (李旭東)

審校、排版: zhongdongy (阿東)

AI 大戰 AI，一個深度強化學習多智慧體競賽系統

AI vs. AI是怎麼工作的？

我們的第一個 AI vs. AI 挑戰實驗: SoccerTwos Challenge ⚽

結論，以及下一步