算法全覆盖，还能玩星际争霸，开源决策智能平台OpenDILab面世从强化学习到MCTS

从强化学习到MCTS ，从星际争霸AI到自动驾驶，上海人工智能实验室开源决策智能平台OpenDILab ，自带最优参数，一键上手SOTA决策AI算法， AI开发者们赶快试试这个新开源的国产决策AI平台OpenDILab 。
撰文|机器之心编辑部
开源是推动人工智能技术进步的重要力量。
近年来， AI开发者们也一直在享受着开源带来的技术红利：前沿算法、数据、AI框架、甚至算力。这些开源资源为开发者们带来了极大的便利，而反过来，通过汇聚开发者们的力量，这些开源项目也得到了极大的发展。
【算法全覆盖，还能玩星际争霸，开源决策智能平台OpenDILab面世】在意识到开源的力量之后，国内高校、企业也纷纷加入到开源社区。
昨日，在2021世界人工智能大会上，上海人工智能实验室就做出了开源新动作：开源决策智能平台OpenDILab 。

文章图片
2021WAIC大会科学前沿全体会议上，上海人工智能实验室青年科学家刘宇博士发布OpenDILab开源决策AI平台
据介绍，它是首个覆盖最全学术界算法和工业级规模的决策AI平台。也就是说， OpenDILab不仅实现了最全面的算法覆盖，例如强化学习，还提供了丰富的工业级应用环境，可应用于自动驾驶、游戏竞技等领域。
如今， OpenDILab已经被放到GitHub上。就让我们对此项目一探究竟。

文章图片
github：https://github.com/opendilab/
一为什么要开源OpenDILab？
首先，为什么要做这样一个平台？
我们知道，过去10年，感知AI已经让机器具备了从「看清」到「看懂」的能力，例如，给定一张猫的图片，机器能够判别出这是一只猫。
然而相较于这种感知层面的人工智能，决策AI问题是一项更加复杂的任务，它需要进行推理、决策、规划等。
因此，决策AI是下一代AI的重要方向已经是业界共识。
目前决策AI主要存在两大难题：
一是决策类问题因涉及多模态数据空间、跨尺度计算逻辑、多领域算法融合，这些问题很难标准化。与感知类AI单纯的视觉信息不同，决策类AI通常需要同时处理诸如图像、语音、结构化数据等多种复杂模态的数据类型。此外，单机单卡与多机多卡甚至跨集群计算的决策AI计算逻辑也完全不同。不同任务间的最优算法配置也差别较大。

文章图片
二是作为一个前沿领域，决策AI的问题定义和研究视角在学术界和工业界之间存在巨大差距，诸多新奇的学术算法缺少环境和计算pipeline上的通用性，很多情况下只能局限于toymodel级别的实验环境，无法转化到真正的工业场景上去，而从工业界本身来看，如何将实际问题抽象为适合现有的决策AI算法解决的环境，仍是阻碍决策AI技术应用实践的核心门槛。

文章图片
针对决策AI的技术难题，以及产学研协同创新过程中的困难，上海人工智能实验室开源了OpenDILab平台。它首次将产业应用中对于训练系统、环境接口、算法设计的需求与学术界进行了有效连接。
作为一套完备的决策AI训练与组织框架， OpenDILab平台自顶而下覆盖了应用层、算法层、训练层和支持层，适配了从单机到服务器集群规模的全尺度高效训练pipeline 。

文章图片