在云平台配置游戏的推理服务的方法、装置及相关设备制造方法及图纸

本申请提供了一种在云平台配置游戏的推理服务的方法，当在云平台为游戏开发者配置游戏的推理服务时，获取包括针对第一游戏的配置信息的第一配置文件，从而基于云平台的游戏算法框架以及获取的第一配置文件，在云平台配置第一游戏的推理服务。进一步的，还可以基于云平台的游戏算法框架以及第二游戏对应的第二配置文件，在云平台配置第二游戏的推理服务。如此，针对不同游戏，均可以在云平台配置出满足游戏开发者所需的针对一种或者多种游戏的推理服务，从而无需云服务提供商进行推理服务的专项化设计，并且，也有效降低中小型游戏厂商应用AI技术获得游戏推理结果的难度。此外，还提供了相应的装置及相关设备。还提供了相应的装置及相关设备。还提供了相应的装置及相关设备。

【技术实现步骤摘要】
在云平台配置游戏的推理服务的方法、装置及相关设备
[0001]本申请要求于2021年04月09日提交中国国家知识产权局、申请号为202110379975.X、申请名称为“一种基于人工智能的游戏开发方法和系统”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。


[0002]本申请涉及人工智能
，尤其涉及一种在云平台配置游戏的推理服务的方法、装置及相关设备。

技术介绍

[0003]目前，人工智能(artificial intelligence，AI)技术广泛应用于多种领域。例如，在游戏领域中，游戏开发者(如游戏厂商等)可以利用AI技术实现游戏场景中的非玩家角色(non
‑
player character，NPC)训练、玩家行为预测、角色对战策略等功能，具体可以是通过AI技术推理出非玩家角色等对象在游戏对战过程中的对战动作或者对战状态。
[0004]游戏开发者在进行游戏开发过程中，若要获取基于AI技术的游戏推理能力，需要根据特定需求自主构建整个基于特定游戏的推理服务，或者，向服务提供商(例如云服务提供商)提出针对该游戏的推理服务需求，服务提供商基于该需求为游戏开发者定制针对该游戏的特定推理服务。但是，上述两种获得游戏的推理服务的方式，都使得获得基于AI的游戏的推理服务的成本较高、难度较大。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种在云平台配置游戏的推理服务的方法，以降低云服务提供商提供游戏的推理服务的成本以及难度。本申请还提供了对应的装置、计算设备集群、计算机可读存储介质以及计算机程序产品。
[0006]第一方面，本申请实施例提供了一种在云平台配置游戏的推理服务的方法，具体的，当在云平台上为游戏开发者配置针对第一游戏的推理服务时，可以获取包括针对第一游戏的配置信息的第一配置文件，从而基于云平台的游戏算法框架以及获取的第一配置文件，在云平台配置第一游戏的推理服务。
[0007]如此，针对游戏开发者所开发的游戏，可以利用通用的游戏算法框架以及相应的配置文件在云平台上自动配置出满足该游戏开发者所需的针对特定游戏的推理服务，以便利用配置出的推理服务对该游戏进行相应的推理，如推理该游戏中任意一个角色的动作和/或状态等。这样，云服务提供商无需针对该游戏进行推理服务的专项化设计，从而可以有效降低提供和使用游戏的推理服务的难度以及成本，并且，提供和使用推理服务的效率也能得到有效提升。
[0008]而且，实际应用中，AI技术的应用离不开以强化学习(reinforcement learning，RL)为代表的训练算法以及支持训练算法运行所需的计算资源，但是，对于中小型游戏厂商等游戏开发者而言，可能难以具备高质量的AI模型以及足够的计算资源来实现游戏推理，
通过在云平台上配置出用于推理游戏中角色的动作和/或状态的推理服务，可以有效降低游戏开发者应用AI技术获得游戏推理结果的难度。
[0009]在一种可能的实施方式中，在云平台上不仅可以配置出第一游戏对应的推理服务，还可以配置出第二游戏对应的推理服务。具体的，可以获取包括针对第二游戏的配置信息的第二配置文件，从而基于云平台的游戏算法框架以及获取的第二配置文件，在云平台上配置第二游戏的推理服务。如此，可以实现在云平台上针对多款不同的游戏，利用通用的游戏算法框架分别配置出该游戏对应的推理服务，从而可以提高方案实施的普适性。
[0010]在一种可能的实施方式中，在配置出第一游戏的推理服务后，可以利用该第一游戏的推理服务对游戏端发送的推理请求进行响应，其中，该游戏端可以是运行第一游戏的游戏应用实例的设备，如终端和/或服务器等，并且，该推理请求包括针对第一游戏的游戏应用实例中的目标对象的待处理数据，如包括目标对象的信息图片等，而推理服务所做出的响应可以包括针对该目标对象的动作和/或状态的指示信息，该指示信息例如可以指示目标对象在未来时刻所执行的动作(如攻击、跳远等)，和/或，可以指示目标对象在未来时刻所具有的状态(如情绪、攻击速度等)。如此，游戏开发者可以通过在云平台上配置的推理服务实现对于目标对象的动作和/或状态的推理，从而可以有效降低游戏开发者应用AI技术获得游戏推理结果的难度。
[0011]在一种可能的实施方式中，第一配置文件包括以下配置信息中的一种或多种：第一游戏的游戏应用实例中的目标对象的动作空间、第一游戏的游戏应用实例中的目标对象的状态空间、目标训练算法的第一类型、人工智能AI模型的第二类型、奖励函数、AI模型的训练方式、AI模型的推理方式、AI模型的保存地址、用于AI模型的训练和推理的计算资源的规格，以便在云平台上利用这些配置信息实现推理服务的配置。其中，第二配置文件与第一配置文件的实现方式类似，可参照理解，在此不做赘述。
[0012]在一种可能的实施方式中，在配置第一游戏的推理服务时，具体可以是根据第一配置文件以及云平台的游戏算法框架，对至少一个AI模型训练，从而可以根据完成训练的至少一个AI模型配置得到第一游戏的推理服务。相应的，在利用该推理服务对第一游戏的游戏应用实例中的目标对象进行动作和/或状态进行推理时，具体可以是通过完成训练的该AI模型进行推理。
[0013]在一种可能的实施方式中，在训练至少一个AI模型时，具体可以是接收游戏端的多个训练请求，该多个训练请求来自于第一游戏的多个游戏应用实例，并且，不同训练请求包括针对该多个游戏应用示例中的同一目标对象的不同训练数据，从而可以利用多个训练请求中的训练数据对至少一个AI模型进行训练。如此，通过在游戏端同时运行多个游戏应用实例，可以并行产生多份训练数据，从而可以有效提高生成训练数据的效率，也即可以提高训练AI模型的效率。
[0014]可选地，游戏端也可以是在同一时间段内仅运行一个游戏应用实例，从而利用单个游戏应用实例所产生的训练数据训练得到一个或者多个AI模型。
[0015]在一种可能的实施方式中，所训练的至少一个AI模型中包括第一AI模型以及第二AI模型，此时，该第一AI模型与第二AI模型的超参数不同，和/或，第一AI模型和第二AI模型对应的奖励函数不同。如此，通过训练具有不同超参数的AI模型，可以从中确定出能够使得AI模型的推理效果较高的超参数，进而基于该超参数的AI模型的质量较高，也即基于该AI
模型所配置的推理服务的质量较高。并且，通过利用不同奖励函数对不同的AI模型进行训练，可以训练得到不同推理类型的AI模型，如可以利用多个奖励函数训练得到多种推理风格的AI模型等，实现推理的多样化。
[0016]在一种可能的实施方式中，当训练的AI模型中包括第一AI模型以及第二AI模型时，可以在云平台上运行有多个进程，此处以第一进程和第二进程为例。在对第一AI模型以及第二AI模型进行训练时，具体可以是根据第一进程的端口号和/或IP地址，将多个训练请求中的训练数据发送至第一进程以及第二进程，其中，第一进程以及第二进程所接收到的训练数据可以不同。然后，利用第一进程以及第一进程接收到的训练数据训练第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在云平台配置游戏的推理服务的方法，其特征在于，所述方法包括：获取第一配置文件，所述第一配置文件包括针对第一游戏的配置信息；基于所述云平台的游戏算法框架和所述第一配置文件，在所述云平台配置所述第一游戏的推理服务。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二配置文件，所述第二配置文件包括针对第二游戏的配置信息；基于所述云平台的所述游戏算法框架和所述第二配置文件，在所述云平台配置所述第二游戏的推理服务。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：利用所述第一游戏的推理服务对游戏端发送的推理请求进行响应，其中，所述游戏端包括运行所述第一游戏的游戏应用实例的设备，所述推理请求包括针对所述第一游戏的游戏应用实例中的目标对象的待处理数据，所述响应包括针对所述目标对象的动作和/或状态的指示信息。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述第一配置文件包括以下配置信息中的一种或多种：所述第一游戏的游戏应用实例中的目标对象的动作空间、所述第一游戏的游戏应用实例中的目标对象的状态空间、目标训练算法的第一类型、人工智能AI模型的第二类型、奖励函数、所述AI模型的训练方式、所述AI模型的推理方式、所述AI模型的保存地址、用于所述AI模型的训练和推理的计算资源的规格。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述基于所述云平台的游戏算法框架和所述第一配置文件在所述云平台配置第一游戏的推理服务，包括：基于所述第一配置文件和所述游戏算法框架，对至少一个AI模型进行训练；根据训练完成的所述至少一个AI模型配置所述第一游戏的推理服务。6.根据权利要求5所述的方法，其特征在于，所述对至少一个AI模型进行训练，包括：接收来自游戏端的多个训练请求，所述多个训练请求来自于所述第一游戏的多个游戏应用实例，不同训练请求包括针对所述多个游戏应用实例中的同一目标对象的不同训练数据；根据所述多个训练请求中的训练数据对所述至少一个AI模型进行训练。7.根据权利要求5或6所述的方法，其特征在于，当所述至少一个AI模型包括第一AI模型和第二AI模型时，所述第一AI模型和所述第二AI模型的超参数不同，和/或，所述第一AI模型和所述第二AI模型对应的奖励函数不同。8.根据权利要求5
‑
7任一项所述的方法，其特征在于，当所述至少一个AI模型包括第一AI模型和第二AI模型时，所述云平台运行有第一进程和第二进程，所述根据所述多个训练请求中的训练数据对所述至少一个AI模型进行训练，包括：根据所述第一进程的端口号和/或IP地址和所述第二进程的端口号和/或IP地址，将所述多个训练请求中的训练数据发送至所述第一进程和所述第二进程；利用所述第一进程和所述第一进程接收到的训练数据训练所述第一AI模型，利用所述第二进程和所述第二进程接收到的训练数据训练所述第二AI模型。9.根据权利要求5
‑
8任一项所述的方法，其特征在于，所述基于所述第一配置文件和所述游戏算法框架，对至少一个AI模型进行训练，包括：
根据所述第一配置文件中的目标训练算法的第一类型以及所述AI模型的第二类型，在所述游戏算法框架中调用所述第一类型的目标训练算法以及所述第二类型的所述至少一个AI模型；基于调用的所述第一类型的目标训练算法，对所述第二类型的所述至少一个AI模型进行训练。10.根据权利要求1
‑
9任一项所述的方法，其特征在于，当游戏端和所述云平台的数据格式不同时，在利用所述第一游戏的推理服务对游戏端发送的推理请求进行响应之前，所述方法还包括：对所述游戏端发送的推理请求中数据的格式进行处理，得到所述云平台能够识别的数据格式的数据。11.根据权利要求1
‑
10任一项所述的方法，其特征在于，所述云平台与所述游戏端之间保持长连接，并且，所述云平台通过所述长连接接收和响应所述游戏端发送的推理请求。12.根据权利要求1
‑
11任一项所述的方法，其特征在于，所述获取第一配置文件包括：基于游戏开发者选择的配置信息项，获取所述第一配置文件。13.一种配置游戏的推理服务的装置，其特征在于，所述装置包括：通信模块，用于获取第一配置文件，所述第一配置文件包括针对第一游戏的配置信息；配置模块，用于基于云平台的游戏算法框架和所述第一配置文件，在...

【专利技术属性】
技术研发人员：伍丝琪，邵坤，朱疆成，白小龙，戴宗宏，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：