AI Arena是一款AI驱动的Web3竞技类游戏，允许用户训练自己的AI角色进行战斗，每场战斗的结果取决于玩家在训练中的技能，旨在帮助用户了解人工智能的运作和学习过程。AI Arena目前开放预注册，ArenaX Labs计划很快在Arbitrum主网上推出该游戏的测试版。

AI Arena开发商ArenaX Labs宣布完成600万美元新一轮融资，Framework Ventures领投，SevenX Ventures、FunPlus/Xterio和Moore Strategic Ventures参投，其计划将这笔资金用于构建PvP格斗平台以及开发类似的游戏。

- AI Arena不仅仅是一款结合了AI的游戏，更是一个培养玩家AI能力的平台，随着AI时代的来临，如何训练适合自己的AI助手，成为了人们工作和生活中的一项必备技能，成为职场中衡量员工工作能力的一项重要指标。

- AI与游戏的结合，让玩家在娱乐休闲的同时提升某项软技能，AI Arena在这方面做了大胆的尝试，并且找到了一个合适的切入口，未来随着越来越多的玩家掌握了训练AI助手的能力，AI Arena还可以提供一个基于保护AI从业者知识产权的AI双边交易市场，并且提供撮合买卖双方的交易。

AI Native 产品分析          

AI Arena

1. 产品：AI Arena

2.创始人：AI Arena由其母公司ArenaX Labs研发，ArenaX Labs于2018年由三位创始人（Brandon Da Silva, Dylan Pereira, 和 Wei Xie）联合创立，致力于制作独立游戏。

3. 产品简介：

AI Arena 是一款以太坊原生游戏，全世界的玩家都可以在这里购买、训练、战斗由人工智能驱动的 NFT 角色，这是由真正的 AI 提供支持的 NFT 通证化平台。在游戏中，玩家在一个全球PVP竞技场比赛中设计以及训练由AI驱动的NFT格斗角色，并让这些角色进行自动对战，最终目标是将对手从平台上击落。玩家通过称之为“模仿学习”的过程来帮助AI角色进步，它们通过观察人类的行为来学习技能，反过来，玩家可以通过“AI Inspector”评估AI的能力，并指出其弱点，作为未来改进的重点训练领域。

4. 发展故事：

- 2021年10月完成了500万美元的种子轮融资，由Paradigm领投，Framework Ventures参投；

- 2024年1月完成了600万美元新一轮融资，Framework Ventures领投，SevenX Ventures、FunPlus/Xterio和Moore Strategic Ventures参投。

01. AI Arena产品愿景

Brandon Da Silva是AI Arena的母公司 ArenaX Labs的CEO，创立 AI Arena 前，他在投资和管理着加拿大最大的养老基金OPTrust 工作了 5 年，将机器学习融入投资分析是他职业生涯的主旋律。Brandon 曾在自己的 Twitter 上解释为什么决定做 AI Arena——降低 AI 行业的门槛，让所有 AI 爱好者不再受学历的制约，拥有展现能力的平台；用 NFT 承载 AI 模型，实现一个技术人员完全拥有自己劳动所得的梦想；以更有趣的方式吸引大家接触 AI，在游玩的过程中激发对 AI 的学习热情。这三个目标，组成了 AI Arena 的价值飞轮。长期来看AI Arena将基于游戏平台创建一个AI的双边市场，旨在保护AI从业者的知识产权，并帮助他们进行货币化，撮合买卖双方的需求。

02. AI Arena如何与AI结合

AI Arena虽然是一款格斗类游戏，与任天堂明星大乱斗和街头霸王等游戏相似，同时AI Arena也是一个涉及多个领域交叉的项目：AI/ML、加密、游戏和NFT，它和其他格斗类游戏一个重要的区別就是游戏玩家不能控制其所拥有的“拳手”。

那么它如何战斗？

拳手都由AI提供动力，AI会告诉它在某些情況下该做什么动作；每个拳手都有不同的AI，所以能不能将你的拳手训练成拳王完全取决于玩家自己。 

你可以将此游戏视为你正在指导一名准备战斗的拳手。玩家可以通过配置它的训练方案或实战对抗来进行升级，以便它学会复制你的动作。 

为什么需要神经网络？

简单来讲，神经网络意味着理论上它可以学习任何用户动作的映射。为了让拳手能够使用神经网络学习策略，AI Arena将采取模拟学习和强化学习，其中神经网络架构存储在IPFS（InterPlanetary File System）上。 

神经元之间的连接成为“权值”。当你的神经网络正在“学习”时，所发生的是它正在改变权值的值。权值最终将决定状态如何映射到动作，这意味着我们可以将权值解释为“智能”。神经网络权值对于每个NFT都是唯一的，并存储在以太坊上。 

训练拳手是改变神经网络中权值的过程，以使AI能够起作用。例如：如果我们在对手面前，我们可能希望我们的拳手可以主动出击。有一系列的权值可以实现这一点，训练的重点是让AI学会在特定场景中采取特定的行动。

 AI Arena在应用程序中嵌入了以下培训计划： 

（1）模仿学习 

通过观察学习，理解模仿学习的最好方法是想像你是一个师父，你的AI是一个你正在准备战斗的拳手。你用你的人工智能进行搏击，它学习模仿你在特定场景中的动作。 

通过实际演示，你可以测试一些动作，观察AI如何模仿你。请注意：它不会立即复制你的动作，因为神经网络需要一点时间来学习，所以在AI学会之前，你可能需要多重复几次你的动作。

（2）自我学习 

最完美的拳击搭档就是用户自己，通过自我学习，你的AI总是在不断地挑战自己，不断地改进。在自我学习中，AI像对手一样学习和战斗没有多大意义，因为对手是人工智能本身的克隆。但是如果没有专家向AI展示如何战斗，那么它如何学习该做什么呢？——通过奖励。AI将学会采取给予它更多正向奖励的行动，而减少采取给予它负面奖励的行动。 

当然AI Arena一再强调其关心的是为所有人提供平等的机会——团队希望奖励能够更多地给予坚持训练AI的用户，而不是奖励拥有更多资源的用户。

03. 游戏与AI结合的创新之路浅析

当下爆火的人工通用智能 AGI（Artificial General Intelligence）技术中，大型语言模型（Large Language Model - LLM）是绝对的主角，随着越来越多团队投入到开发基于 LLM 驱动的人工智能代理 ( AI-Agents) 系统，让AI Agents重新定义Web3游戏的创新之路成为一种可能，例如：游戏《模拟人生》使用 LLM 技术生成了 25 个虚拟角色，每个角色都由 LLM 支持的 Agent 控制，在沙盒环境中生活和交互。Generative Agents的设计很聪明，它将 LLM 与记忆、规划和反思功能结合在一起，这使得 Agent 程序可以根据以前的经验来做出决策，并与其他 Agent 互动。这款游戏向人们展示了 AI Agent 的能力，比如产生新的社交行为、信息传播、关系记忆（比如两个虚拟角色继续讨论话题）和社交活动的协调（比如举办聚会并邀请其他虚拟角色）等等。总之，AI-Agent 是一个非常有趣的工具，并且其在游戏中的应用也值得深入探索。

前文提及的AI Arena 就是全球第一款结合了AI和NFT的对战游戏，用户可以使用 LLM 模型不断的训练自己的对战精灵（NFT），然后将训练好的对战精灵送往 PvP/PvE 战场对战。对战模式和任天堂明星大乱斗类似，但通过 AI 训练增加了更多的竞技趣味性。

总之游戏和AI的结合，不仅可以解决Web3游戏为了安全性和去中心化而牺牲了用户体验的问题，而且也最有可能成为AI落地的应用场景中，最先实现用户基数扩大的领域。

参考材料

AI Arena官网：https://aiarena.io/#/ Twitter：https://twitter.com/aiarena_crypto Discord：https://discord.com/invite/aiarena