但在未来，人工智能游戏选手或许将会面临新的对手：另一个人工智能。本日，环球最大的3D游戏引擎Unity宣告发布Unity Machine Learning Agents，通过将其游戏引擎与TensorFlow等机器学习框架相连接，游戏中的NPC有望通过机器学习的办法变得更有策略性，从而增加游戏的对抗性和可玩性。
但Unity的意图不仅如此。在其博客中，Unity这样写道：
“Unity正处于机器学习与游戏之间的十字路口。我们的义务是使机器学习研究职员得到最强大的演习场景，将他们最新的机器学习技能的运用通过我们回馈给游戏界。 作为这项努力的第一步，我们很高兴推出Unity Machine Learning Agents（ML-Agents）。”
同时，Unity卖力AI和机器学习的副总裁Danny Lange表示：
机器学习是一种颠覆性的技能。这是AI的一个令人愉快的新篇章，由于我们正在使一个可以广泛访问的、端到真个机器学习环境，并向开拓者供应让游戏和系统更加智能化的工具、Unity的物理引擎和3D逼真渲染环境。不仅如此，我们的AI工具包还为快速增长的AI爱好者群体探索深度学习供应了一个研究平台，终极将改变游戏行业。“
据雷锋网理解，Unity3D是由Unity Technologies开拓的一个让玩家轻松创建诸如三维视频游戏、建筑可视化、实时三维动画等类型互动内容的多平台的综合型游戏开拓工具。通过Unity3D可以极高精度地仿照真实天下的场景和物理规则，例如各种3D模型、纹理、光影效果、物体的碰撞反弹、乃至橡胶轮胎与混凝地皮面的摩擦，而这样的游戏场景可以帮助人工智能研究职员更好地仿照和演习用于真实天下的机器人和AI运用。
（由Unity创建的一个RL/ML仿照演习环境示例）
这种仿照演习的方法在工业机器人、无人机、无人驾驶车辆和游戏角色设计中均有着广泛运用。目前对用机器学习方法开拓智能代理的需求日益增长，Unity希望为这些开拓者设计一个更灵巧和更易于利用的系统，该系统的范例用户包括：
研究现实场景中繁芜的多代理竞争/互助行为的学术研究者；
机器人、无人驾驶及其他工业运用中须要进行大规模并行演习机制的行业研究者；
希望通过智能代理提升游戏AI和可玩性的游戏开拓职员。
（如何在Unity的ML-Agent中配置学习环境的示意图）
ML-Agent的学习环境包含三类工具：代理（Agent）、大脑（Brain）和学院（Academy）。每个代理可以拥有一组独特的状态和不雅观察值，在环境中采纳独特的操作，并为环境中的事宜得到独特的褒奖。代理的行为由与之干系的大脑决定；大脑定义一个特定的状态和行动空间，并卖力决定每个联系的代理人将采纳哪些行动，并汇总到“学院”中。“学院”工具对环境的范围进行定义，包括引擎配置、速率和渲染质量、代理频度、场景长度等。所有由大脑设置为外部的代理状态和不雅观察值由外部接口网络并传送给Python API，开拓者可利用相应的机器学习库进行处理。
据雷锋网统计，环球销量前1000名的手机游戏中，与Unity有关的作品超过50%，75%与AR/VR干系的内容为Unity引擎创建，采取Unity制作的游戏已经在30亿部设备上利用。Unity在机器学习的转型始于2016年，在2016年，NVIDIA由于在AI上的成功转型成为一家千亿美元公司，对付同样在3D模型和图像渲染领域颇有履历的Unity来说，或许现在正是其转型AI根本平台的大好机会。
目前Unity已经发布了测试版ML-Agent SDK。ML-Agents SDK可以让研究职员和开拓职员将利用Unity Editor所创建的游戏和仿照场景转换为可以利用Python API，通过深度增强学习等机器学习方法对智能代理进行演习的环境。对Unity的ML-Agent SDK感兴趣的开拓者，可以访问其Github页面得到更详细的。