記者從行者AI（成都潛在人工智慧科技有限公司旗下品牌，xingzhe.ai）獲悉，該公司利用亞馬遜雲服務（AWS）旗下的全託管機器學習服務Amazon SageMaker開發的遊戲內容過濾服務，對不恰當內容的識別率超過96%，大大高於同類產品的水平，上線短短三個月內，已經獲得了幾十家遊戲客戶青睞，服務於三國群英傳、多多自走棋等多款遊戲。藉助AWS雲服務，行者AI的上線時間比計劃縮短了6個月，運營效率提升76%，運營成本節省45%。此外，行者AI還利用AWS雲服務開發了AI對戰機器人、AI情緒控制、AI自動測試、遊戲資料平臺等產品，將為遊戲企業提供更多有價值的服務，幫助遊戲企業改善運營，提高效益。
在遊戲運營中，內容稽核是一項成敗攸關的工作。低俗色情謾罵等內容會導致使用者反感，破壞正常交流環境；違規敏感內容會導致平臺整頓、停擺；惡意商業推廣、垃圾廣告會導致使用者流失、營收損失。人工稽核要耗費大量的人力、時間和精力，而且很難做到實時、全部稽核。而目前市場上的通用稽核工具，準確率差強人意，而且模型不能進行更新，或者更新週期長。
為此，行者AI推出了一個具有強大機器學習能力的遊戲內容過濾服務。團隊在考慮IT基礎設施建設時認識到，作為一家初創公司，行者AI只有20多人，要儘可能減少運維投入，把更多的精力投入到演算法上；內容過濾服務開發和執行中需要大量的GPU、CPU計算資源，並且高峰需求是短暫、不連續的；資料是人工智慧的核心要素，資料災備不可或缺。於是，行者AI決定選擇AWS上雲，以雲原生架構進行開發。
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、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，極大地提高了開發效率。在開發內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，開發團隊一旦有新的想法，就可以快速進行演算法驗證，根據結果做出優化和修正，使每一次模型訓練都可以受益於SageMaker帶來的效率提升。
行者AI技術長江天宇接受記者採訪時表示，在他們的調研中，“Amazon SageMaker是所有云廠商中唯一實現了一站式機器學習服務的解決方案。從模型構建、訓練、測試到最終的釋出，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，給開發者節約了大量的時間。SageMaker對市面上絕大多數深度學習框架，比如Tensorflow、PyTorch等，都有非常好的支援。AWS的技術支援也非常到位，在模型釋出過程中，及時快速地幫助行者AI解決了諸多疑難雜症，為內容過濾服務提前半年上線提供了強有力的保障。”
通過使用Amazon EC2 Spot（競價）例項，也解決了行者AI對計算資源的彈性需求問題。與按需例項相比，可以將成本降低高達 90%。通過使用完全託管的Amazon Elasticsearch Service服務，行者AI可以搜尋、分析和視覺化 PB 級的日誌資料，而不需要操心資料儲存、災備、擴充套件等運維問題。
AI對戰機器人將深度強化學習技術應用於遊戲中，機器人通過學習玩家戰鬥資料，在模擬環境中進行大量對抗式訓練，能夠在任意狀態下找到最優決策，達到高手玩家操作水平。同時，通過對引數進行調節，可以生成各個難度等級的機器人。由於採用真人玩家資料訓練，AI對戰機器人將會模仿人類玩家的真實操作，提高遊戲內的玩家體驗。行者AI COO陳洪宇指出，目前《多多自走棋》AI對戰機器人每日呼叫均值達到百萬次，單次呼叫會持續30分鐘左右。
“多年來，遊戲行業通常將業務側重點放在發行上，人力投入重在運維，以及跟遊戲收入明顯相關的工作。相對來講，AI的滲透率並不高。”AWS相關負責人介紹。“行者AI憑藉自研演算法，推出內容過濾、遊戲AI以及資料平臺解決方案，為遊戲企業做AI賦能，業務價值顯著。相信未來在遊戲行業將湧現更多樣化的機器學習應用場景。”