作者：SenseAI
AI Arena是一款AI驅動的Web3競技類遊戲，允許用戶訓練自己的AI角色進行戰鬥，每場戰鬥的結果取決於玩家在訓練中的技能，旨在幫助用戶瞭解人工智能的運作和學習過程。AI Arena目前開放預註冊，ArenaX Labs計劃很快在Arbitrum主網上推出該遊戲的測試版。
AI Arena開發商ArenaX Labs宣佈完成600萬美元新一輪融資，Framework Ventures領投，SevenX Ventures、FunPlus/Xterio和Moore Strategic Ventures參投，其計劃將這筆資金用於構建PvP格鬥平臺以及開發類似的遊戲。
Sense 思考
我們嘗試基於文章內容，提出更多發散性的推演和深思，歡迎交流。
- AI Arena不僅僅是一款結合了AI的遊戲，更是一個培養玩家AI能力的平臺，隨著AI時代的來臨，如何訓練適合自己的AI助手，成為了人們工作和生活中的一項必備技能，成為職場中衡量員工工作能力的一項重要指標。
- AI與遊戲的結合，讓玩家在娛樂休閒的同時提升某項軟技能，AI Arena在這方面做了大膽的嘗試，並且找到了一個合適的切入口，未來隨著越來越多的玩家掌握了訓練AI助手的能力，AI Arena還可以提供一個基於保護AI從業者知識產權的AI雙邊交易市場，並且提供撮合買賣雙方的交易。
本篇正文共 2334 字，仔細閱讀約 8 分鐘
AI Native 產品分析
AI Arena
1. 產品：AI Arena
2.創始人：AI Arena由其母公司ArenaX Labs研發，ArenaX Labs於2018年由三位創始人（Brandon Da Silva, Dylan Pereira, 和 Wei Xie）聯合創立，致力於製作獨立遊戲。
3. 產品簡介：
AI Arena 是一款以太坊原生遊戲，全世界的玩家都可以在這裡購買、訓練、戰鬥由人工智能驅動的 NFT 角色，這是由真正的 AI 提供支持的 NFT 通證化平臺。在遊戲中，玩家在一個全球PVP競技場比賽中設計以及訓練由AI驅動的NFT格鬥角色，並讓這些角色進行自動對戰，最終目標是將對手從平臺上擊落。玩家通過稱之為“模仿學習”的過程來幫助AI角色進步，它們通過觀察人類的行為來學習技能，反過來，玩家可以通過“AI Inspector”評估AI的能力，並指出其弱點，作為未來改進的重點訓練領域。
4. 發展故事：
- 2021年10月完成了500萬美元的種子輪融資，由Paradigm領投，Framework Ventures參投；
- 2024年1月完成了600萬美元新一輪融資，Framework Ventures領投，SevenX Ventures、FunPlus/Xterio和Moore Strategic Ventures參投。
01.AI Arena產品願景
Brandon Da Silva是AI Arena的母公司 ArenaX Labs的CEO，創立 AI Arena 前，他在投資和管理著加拿大最大的養老基金OPTrust 工作了 5 年，將機器學習融入投資分析是他職業生涯的主旋律。Brandon 曾在自己的 Twitter 上解釋為什麼決定做 AI Arena——降低 AI 行業的門檻，讓所有 AI 愛好者不再受學歷的制約，擁有展現能力的平臺；用 NFT 承載 AI 模型，實現一個技術人員完全擁有自己勞動所得的夢想；以更有趣的方式吸引大家接觸 AI，在遊玩的過程中激發對 AI 的學習熱情。這三個目標，組成了 AI Arena 的價值飛輪。長期來看AI Arena將基於遊戲平臺創建一個AI的雙邊市場，旨在保護AI從業者的知識產權，並幫助他們進行貨幣化，撮合買賣雙方的需求。
02.AI Arena如何與AI結合
AI Arena雖然是一款格鬥類遊戲，與任天堂明星大亂鬥和街頭霸王等遊戲相似，同時AI Arena也是一個涉及多個領域交叉的項目：AI/ML、加密、遊戲和NFT，它和其他格鬥類遊戲一個重要的區別就是遊戲玩家不能控制其所擁有的“拳手”。
那麼它如何戰鬥？
拳手都由AI提供動力，AI會告訴它在某些情況下該做什麼動作；每個拳手都有不同的AI，所以能不能將你的拳手訓練成拳王完全取決於玩家自己。
你可以將此遊戲視為你正在指導一名準備戰鬥的拳手。玩家可以通過配置它的訓練方案或實戰對抗來進行升級，以便它學會複製你的動作。
為什麼需要神經網絡？
簡單來講，神經網絡意味著理論上它可以學習任何用戶動作的映射。為了讓拳手能夠使用神經網絡學習策略，AI Arena將採取模擬學習和強化學習，其中神經網絡架構存儲在IPFS（InterPlanetary File System）上。
神經元之間的連接成為“權值”。當你的神經網絡正在“學習”時，所發生的是它正在改變權值的值。權值最終將決定狀態如何映射到動作，這意味著我們可以將權值解釋為“智能”。神經網絡權值對於每個NFT都是唯一的，並存儲在以太坊上。
訓練拳手是改變神經網絡中權值的過程，以使AI能夠起作用。例如：如果我們在對手面前，我們可能希望我們的拳手可以主動出擊。有一系列的權值可以實現這一點，訓練的重點是讓AI學會在特定場景中採取特定的行動。
AI Arena在應用程序中嵌入了以下培訓計劃：
（1）模仿學習
通過觀察學習，理解模仿學習的最好方法是想像你是一個師父，你的AI是一個你正在準備戰鬥的拳手。你用你的人工智能進行搏擊，它學習模仿你在特定場景中的動作。
通過實際演示，你可以測試一些動作，觀察AI如何模仿你。請注意：它不會立即複製你的動作，因為神經網絡需要一點時間來學習，所以在AI學會之前，你可能需要多重複幾次你的動作。
（2）自我學習
最完美的拳擊搭檔就是用戶自己，通過自我學習，你的AI總是在不斷地挑戰自己，不斷地改進。在自我學習中，AI像對手一樣學習和戰鬥沒有多大意義，因為對手是人工智能本身的克隆。但是如果沒有專家向AI展示如何戰鬥，那麼它如何學習該做什麼呢？——通過獎勵。AI將學會採取給予它更多正向獎勵的行動，而減少採取給予它負面獎勵的行動。
當然AI Arena一再強調其關心的是為所有人提供平等的機會——團隊希望獎勵能夠更多地給予堅持訓練AI的用戶，而不是獎勵擁有更多資源的用戶。
03.遊戲與AI結合的創新之路淺析
當下爆火的人工通用智能 AGI（Artificial General Intelligence）技術中，大型語言模型（Large Language Model - LLM）是絕對的主角，隨著越來越多團隊投入到開發基於 LLM 驅動的人工智能代理 ( AI-Agents) 系統，讓AI Agents重新定義Web3遊戲的創新之路成為一種可能，例如：遊戲《模擬人生》使用 LLM 技術生成了 25 個虛擬角色，每個角色都由 LLM 支持的 Agent 控制，在沙盒環境中生活和交互。
Generative Agents的設計很聰明，它將 LLM 與記憶、規劃和反思功能結合在一起，這使得 Agent 程序可以根據以前的經驗來做出決策，並與其他 Agent 互動。這款遊戲向人們展示了 AI Agent 的能力，比如產生新的社交行為、信息傳播、關係記憶（比如兩個虛擬角色繼續討論話題）和社交活動的協調（比如舉辦聚會並邀請其他虛擬角色）等等。總之，AI-Agent 是一個非常有趣的工具，並且其在遊戲中的應用也值得深入探索。
雖然AI 在 Web3 遊戲領域的應用已經出現了多種不同嘗試，目前公認 Web3 遊戲賽道應用最成熟的是 NFT Agent，未來NFT一定是 Web3 遊戲的重要組成部分。隨著以太坊生態系統中關於元數據管理技術的發展，可編程的動態 NFTs 出現了。對於 NFT 的創建者而言，它們可以通過算法使 NFT 功能更靈活。對於用戶而言，用戶與 NFT 之間可以有更多的互動，產生的交互數據更是成為了一種信息來源。AI Agent 則可以優化交互過程，並擴展交互數據的應用場景，為 NFT 生態系統注入了更多的創新和價值。
前文提及的AI Arena 就是全球第一款結合了AI和NFT的對戰遊戲，用戶可以使用 LLM 模型不斷的訓練自己的對戰精靈（NFT），然後將訓練好的對戰精靈送往 PvP/PvE 戰場對戰。對戰模式和任天堂明星大亂鬥類似，但通過 AI 訓練增加了更多的競技趣味性。
總之遊戲和AI的結合，不僅可以解決Web3遊戲為了安全性和去中心化而犧牲了用戶體驗的問題，而且也最有可能成為AI落地的應用場景中，最先實現用戶基數擴大的領域。
