Amazon SageMaker助力行者AI实现游戏内容过滤准确率96%

Amazon SageMaker助力行者AI实现游戏内容过滤准确率96%

• 来源:网络
• 更新日期:2020-09-23

摘要：[摘要] 记者从行者AI（成都潜在人工智能科技有限公司旗下品牌，xingzhe.ai）获悉，该公司利用亚马逊云服务（AWS）旗下的全托管机器学习服务Amazo...

[摘要] 记者从行者AI（成都潜在人工智能科技有限公司旗下品牌，xingzhe.ai）获悉，该公司利用亚马逊云服务（AWS）旗下的全托管机器学习服务Amazo...
记者从行者AI（成都潜在人工智能科技有限公司旗下品牌，xingzhe.ai）获悉，该公司利用亚马逊云服务（AWS）旗下的全托管机器学习服务Amazon SageMaker开发的游戏内容过滤服务，对不恰当内容的识别率超过96%，大大高于同类产品的水平，上线短短三个月内，已经获得了几十家游戏客户青睐，服务于三国群英传、多多自走棋等多款游戏。借助AWS云服务，行者AI的上线时间比计划缩短了6个月，运营效率提升76%，运营成本节省45%。此外，行者AI还利用AWS云服务开发了AI对战机器人、AI情绪控制、AI自动测试、游戏数据平台等产品，将为游戏企业提供更多有价值的服务，帮助游戏企业改善运营，提高效益。
在游戏运营中，内容审核是一项成败攸关的工作。低俗色情谩骂等内容会导致用户反感，破坏正常交流环境；违规敏感内容会导致平台整顿、停摆；恶意商业推广、垃圾广告会导致用户流失、营收损失。人工审核要耗费大量的人力、时间和精力，而且很难做到实时、全部审核。而目前市场上的通用审核工具，准确率差强人意，而且模型不能进行更新，或者更新周期长。
为此，行者AI推出了一个具有强大机器学习能力的游戏内容过滤服务。团队在考虑IT基础设施建设时认识到，作为一家初创公司，行者AI只有20多人，要尽可能减少运维投入，把更多的精力投入到算法上；内容过滤服务开发和运行中需要大量的GPU、CPU计算资源，并且高峰需求是短暂、不连续的；数据是人工智能的核心要素，数据灾备不可或缺。于是，行者AI决定选择AWS上云，以云原生架构进行开发。
通过使用Amazon SageMaker机器学习服务，行者AI团队可以一键构建、训练、部署机器学习模型，无需自行运维和管理底层的计算资源和机器学习框架等，极大地提高了开发效率。在开发内容过滤服务的过程中，要进行大量的机器学习和深度学习训练。利用Amazon SageMaker，开发团队一旦有新的想法，就可以快速进行算法验证，根据结果做出优化和修正，使每一次模型训练都可以受益于SageMaker带来的效率提升。
行者AI首席技术官江天宇接受记者采访时表示，在他们的调研中，“Amazon SageMaker是所有云厂商中唯一实现了一站式机器学习服务的解决方案。从模型构建、训练、测试到最终的发布，SageMaker提供完善的解决方案，而且操作使用非常简单，基本能做到一键完成，给开发者节约了大量的时间。SageMaker对市面上绝大多数深度学习框架，比如Tensorflow、PyTorch等，都有非常好的支持。AWS的技术支持也非常到位，在模型发布过程中，及时快速地帮助行者AI解决了诸多疑难杂症，为内容过滤服务提前半年上线提供了强有力的保障。”
通过使用Amazon EC2 Spot（竞价）实例，也解决了行者AI对计算资源的弹性需求问题。与按需实例相比，可以将成本降低高达 90%。通过使用完全托管的Amazon Elasticsearch Service服务，行者AI可以搜索、分析和可视化 PB 级的日志数据，而不需要操心数据存储、灾备、扩展等运维问题。
AI对战机器人将深度强化学习技术应用于游戏中，机器人通过学习玩家战斗数据，在模拟环境中进行大量对抗式训练，能够在任意状态下找到最优决策，达到高手玩家操作水平。同时，通过对参数进行调节，可以生成各个难度等级的机器人。由于采用真人玩家数据训练，AI对战机器人将会模仿人类玩家的真实操作，提高游戏内的玩家体验。行者AI COO陈洪宇指出，目前《多多自走棋》AI对战机器人每日调用均值达到百万次，单次调用会持续30分钟左右。
“多年来，游戏行业通常将业务侧重点放在发行上，人力投入重在运维，以及跟游戏收入明显相关的工作。相对来讲，AI的渗透率并不高。”AWS相关负责人介绍。“行者AI凭借自研算法，推出内容过滤、游戏AI以及数据平台解决方案，为游戏企业做AI赋能，业务价值显著。相信未来在游戏行业将涌现更多样化的机器学习应用场景。”