分布式神经网络训练环境
为了实现同时对多个英雄数据进行采集，并且提高整个《王者荣耀》人工智能模型的采样效率，样本多样性和训练速度，“vivo AI Lab”还搭建了一整个“分布式强化学习环境”：手机负责游戏的运行、动作执行和数据采集；电脑负责连接手机和服务器，进行强化学习算法选择、动作决策单元的运转；云端的GPU服务器集群负责整个神经网络的运行和存储。
而在这个环境中，“vivo AI Lab”还更具普适性地直接使用了全开源的gRPC技术，这种技术是HTTP 2.0时代的基础底层数据框架。这也让整个“分布式强化学习环境”具有极大的网络化潜力。
NO.03
超越成绩的一次尝试
手机厂商来做游戏的AI，乍一听真的会让人摸不着头脑，毕竟最终训练出来的AI也不太可能被应用到游戏或是真实当中。
但从“vivo AI Lab”此番挑战的细节来看，你也很难将其简单地归为“做游戏AI”。以选择不使用游戏的API接口、转而从游戏界面的图像获取数据为例，这不仅仅是一个技术上的挑战，更是vivo着眼于此次AI尝试未来的适用性。
因为整个深度学习过程中的数据都是从手机终端直接采样而得，除了其他玩法类似、基础操作需求相近、图像识别相近的游戏外，vivo还能利用与本次尝试相同的架构（手机图像识别 特定深度学习神经网络 深度学习网络化环境），对手机中的各种场景进行学习归纳。最终让vivo手机从方方面更懂你。
其次是采用gRPC技术来构建整个人工智能学习环境的数据传输，要知道在当下的人工智能发展过程中，“如何采集到足够的样本数据”和“如何让尽可能多的用户用上花大力气训练出来的神经网络”，仍是关键性的难点所在。想要解决他们，“网络化”是唯一可行的路径。
所以整体看下来，与其说是vivo在做一次游戏AI的尝试，倒不如说是一次面向未来手机人工智能发展的尝试。
这种前瞻且大胆的尝试，也是vivo一直所坚持的，早在去年3月，vivo就在X21上首次发布了“Jovi”人工智能助手，能够在屏幕中直接识别人物、快递、景点地址、网址等关键信息；负一屏的“智慧场景” ，更能有效地将通勤时间、票务酒店预订、步数、天气等信息进行整合展示。去年9月，vivo发布的全新IoT战略“Jovi物联”，更让Jovi能够方便地适配一系列智能家居产品，让Jovi成为“把人和数字世界联系在一起”的控制核心。
因为在世界不断数字化的当下和未来，人的认知愈发难以跟上数据膨胀的速度，借助AI来提升人类的能力将会是一个重要的解决方案。而vivo，显然想要帮助自己的用户首先成为这一类人。
