仿佛仅凭AI在每一种现有棋盘游戏中击败人类还不够，Google AI现在又开发出一个能在乒乓球中与我们一较高下的系统。目前他们强调这是“合作”模式，但以这类技术的进步速度，它很快就能与职业选手交手了。
该项目名为i-Sim2Real，其意义不仅在于乒乓球，更在于构建一个能够与快速且相对不可预测的人类行为协同工作的机器人系统。乒乓球（又称桌球）的优势在于规则约束较为严格（与篮球或板球相比），兼具复杂性与简洁性。
“Sim2Real”（仿真到现实）是一种描述AI创建过程的方式：机器学习模型先在虚拟环境或模拟中进行训练，学习该做什么，然后将这些知识应用到现实世界中。当通过试错法构建一个可用的模型可能需要数年时，这种方法就显得尤为必要——在模拟环境中，数年的实时训练可以在几分钟或几小时内完成。
但并非所有事情都能在模拟中完成；例如，如果机器人需要与人互动呢？这种情况很难模拟，因此你需要从真实世界的数据开始。这就陷入了一个鸡生蛋、蛋生鸡的困境：你缺乏人类数据，因为要让人类生成这些数据，首先就需要有一个能与人类互动并产生数据的机器人。
Google的研究人员避免了这一陷阱，他们从简单入手并建立了一个反馈循环：
[i-Sim2Real] 使用一个简化的人类行为模型作为近似起点，并在模拟训练与现实部署之间交替进行。在每次迭代中，人类行为模型和策略都会得到优化。
以对人类行为的粗略近似作为起点是可以接受的，因为机器人也才刚刚开始学习。每进行一局游戏，就会收集到更多真实的人类数据，从而提高准确性，让AI学到更多内容。
该方法非常成功，以至于团队的乒乓球机器人能够完成多达340拍的连续对打。请看演示：
它还能将球回击到不同区域，虽然谈不上数学意义上的精确，但已足够好，可以开始执行某种策略。
团队还尝试了另一种方法，以实现更具目标导向的行为，例如从多种位置将球回击到非常特定的点位。当然，这并非为了制造终极乒乓球机器（尽管那很可能是一个随之而来的结果），而是寻找高效训练以及与人类互动的方法，避免让人们重复成千上万次相同的动作。
你可以在下面的总结视频中了解更多关于Google团队所采用技术的信息：