馬化騰的2萬不好賺！絕悟AI穩(wěn)如猛虎，人類王者被虐成狗

詹士 在宥 金磊 發(fā)自 WAIC
量子位 報道 | 公眾號 QbitAI

王者榮耀，順利成為全場焦點。

這不是你以為的KPL（王者榮耀職業(yè)聯(lián)賽）現(xiàn)場。

而是企業(yè)云集的上海世界人工智能大會（WAIC 2021）的一角。

人類 VS 絕悟（AI），2萬元現(xiàn)金+2萬Q幣獎勵。

成功激發(fā)了在場所有人的熱情。

甚至在場外，肉身缺席的PonyMa，“臨門一腳”地發(fā)來語音，專門宣布這件事。

重視程度，可見一斑。

于是，這件事也順利登上了各大榜的熱門話題。

接下來，一同來看下這場人機大戰(zhàn)。

面對AI，人類不能輸！

5位挑戰(zhàn)者上臺坐定，隨著主持人一聲令下，比賽正式開始。

禁英雄（Ban）階段，AI的動作就有說道——次次禁蒙恬。

至于為什么，現(xiàn)場工作人員解釋道：

AI根本不Care人頭，上來就快速推塔帶線，這都是跟職業(yè)隊練出來的。

蒙恬這種英雄4級后爆發(fā)推塔很強，甚至一打五都可能。

嘿，別看只是個AI，戰(zhàn)術(shù)還玩得挺溜。

最終陣容如下：

• 人類：耀、魯班、婉兒、韓信和大喬。
• 絕悟：孫尚香、達摩、牛魔王、雅典娜和奕星。

OK，大戰(zhàn)開始！

開局原本各自對線好好發(fā)育，絕悟糾集4個英雄想來滅掉中路大喬和耀也沒得逞。

但等到2分鐘打龍時，絕悟分別在兩個龍區(qū)拿到2個人頭。

下一分鐘，絕悟又在下路糾集4打2拿到2人頭，一下就把差距拉到4:0，還拆了一個塔。

就此人類崩了，等到跑車出擊時差距已經(jīng)拉到7:0。

到最后，絕悟5個英雄甚至越高地塔進去瘋狂輸出人類，3:16，直接被推……

啪的一下，就很快有木有！

隨著戰(zhàn)斗結(jié)束，主持人凡爾賽般安慰選手：

希望大家不要有心理負擔(dān)，享受游戲快樂最重要。

被虐的不止是路人

但我們一同回看下AI的操作。

毫無破綻就不說了，配合度和精準度都高很多。

比如越塔殺人：

進入水晶區(qū)火中取栗：

還懂得當(dāng)退就退，絕不戀戰(zhàn)：

當(dāng)然AI也有犯傻時候，殘血還在踟躕：

于是，就著AI這種“騷操作”，參與比賽的現(xiàn)場觀眾沒能勝AI一場。

絕大部分戰(zhàn)斗甚至沒有推掉一個塔。

因此，一人三殺、團隊十殺均能獲得獎勵，雖然只有Q幣，沒有現(xiàn)金。

雖說絕悟?qū)嵲趶?，不過，人類不服輸?shù)囊庵臼潜粡氐滋魟悠饋淼模?/p>

連主持人都忍不住了：

每次Ban人時勸誡大家不要選操作太難的英雄，挑自己擅長的來。

絕悟會Ban元歌和露娜，這兩個英雄有會玩的選手可以優(yōu)先選。

也正因大家都明白對戰(zhàn)不易，每次人類方首殺AI總能獲得喝彩，有一位哪吒反復(fù)擊殺AI，更是贏得滿堂鼓掌：

好！??！

我們大致算了一下，開展2天大約有15波參賽隊組團挑戰(zhàn)。

較好組合一局內(nèi)憑借操作加上依托己方塔打防守反擊，勉強在人頭數(shù)上與AI差距不大。

但，也僅止步于人頭數(shù)差距不大——

而這，還是官方將AI戰(zhàn)力調(diào)低過的…

或許你會說，前來挑戰(zhàn)的都是路人才會如此。

不不不。

還真不是如此。

絕悟在現(xiàn)場也同職業(yè)選手大戰(zhàn)4個回合。

這些選手ID分別為重慶 QGhappy.Hurt、成都 AG 超玩會。無痕、武漢 eStarPro. 諾言、深圳 DYG. 小義以及辰鬼。

最終，他們與絕悟比分3：1，仍然是AI勝。

不過一位現(xiàn)場工作人員向量子位爆料：

并不是真的AI多厲害，而是人類選手缺乏配合上的磨合，直接上來打表演賽，倘若按專業(yè)電競比賽集訓(xùn)磨合再與AI對戰(zhàn)，勝負尚未可知。

而關(guān)于絕悟唯一那次失敗，量子位專門向其詢問感受，對方表示：

這都正常…

口氣云淡風(fēng)輕。

絕悟背后的騷技術(shù)

絕悟碾壓人類的技術(shù)是什么？

根據(jù)騰訊官方說法，絕悟并沒有所謂“開掛”，在游戲中的客觀條件限制是一致的。

“絕悟”區(qū)別于人的優(yōu)點主要有兩點：

• 首先，訓(xùn)練效率非常高，一天的訓(xùn)練強度高達人類 440 年（腱鞘炎警告）；
• 其次，不受情緒、性格影響，配合障礙更低。

用一句話概括就是，比你理性，不被情緒左右，沒有那種世俗欲望，還比你勤奮。

絕悟之所以要如此勤奮，也是被王者榮耀逼的——這游戲太難了。

首先，作為是一個無法預(yù)料對方操作的不完全信息游戲，玩家需要不斷探視野，敵我雙方的實時位置、狀態(tài)等信息不透明，AI也需要在這樣的前提下做決策；

其次，王者榮耀對局復(fù)雜。

100多個英雄，這其中的陣容組合高達10的15次方種，不同的組合對應(yīng)的打法又不一樣。

另一方面，游戲中的角色狀態(tài)、種種操作加上裝備選擇相當(dāng)復(fù)雜。

光是想想已經(jīng)頭大，還要在策略規(guī)劃、目標選擇、技能應(yīng)用、路徑探索及團隊協(xié)作上面臨大量、不間斷、即時的選擇。

我們也向現(xiàn)場技術(shù)人員做了請教：絕悟AI與谷歌ALPHAGO能力是否雷同？

對方表示：

絕悟算力水平遠超ALPHAGO，因為圍棋游戲背后的可能性遠少于王者。

后者除操作英雄，還有協(xié)同打團，BAN人及不同英雄配合需要考慮進去，所需算力不在一個量級。

工作人員還透露了一個驚人的數(shù)字：

AI在一局里操作可能性大概有10的2萬次方種。

什么概念？

整個宇宙原子總數(shù)也只是10的80次方！

如此復(fù)雜情景對絕悟背后的AI技術(shù)要求極高。

最初版本的“絕悟”通過監(jiān)督學(xué)習(xí)方法來訓(xùn)練，以海量有標記的訓(xùn)練數(shù)據(jù)為基礎(chǔ)，推導(dǎo)出行為預(yù)測函數(shù)，實現(xiàn)擬人化。也因此，標注數(shù)據(jù)質(zhì)量尤為重要。

隨著研發(fā)團隊在深度強化學(xué)習(xí)、多智能體決策課題上的研究不斷深入，“絕悟”不再需要模仿人類數(shù)據(jù)，轉(zhuǎn)而通過與自己對戰(zhàn)，進一步提升微操水平和大局觀，達到了王者榮耀職業(yè)電競水平。

強化學(xué)習(xí)通過構(gòu)建獎勵和懲罰刺激環(huán)境的角度出發(fā)，優(yōu)化AI行為邏輯。

根據(jù)團隊技術(shù)負責(zé)人楊光介紹：

AI會通過獎勵（reward）反饋，知道一個行為做的好還是不好。在獲得大量反饋后，AI會漸漸摸索出能夠取得勝利的行為，表現(xiàn)出‘學(xué)會’玩游戲的效果。

這個方法的優(yōu)點在于，不依賴已有數(shù)據(jù)并且能夠探索出新的策略，甚至于超越當(dāng)前人類的認知，在行為多樣性和完成任務(wù)的能力方面有了質(zhì)的提升。

比如在訓(xùn)練后期，AI 甚至自己探索出了全新策略，“比如‘絕悟’經(jīng)常多人抱團吃線，從而達到經(jīng)濟的最大化”。

上述技術(shù)相關(guān)論文早在2018年已經(jīng)公布。

今年5月，絕悟也已在線上與很多玩家開啟對戰(zhàn)，各家媒體跟進宣傳。

論及絕悟又有什么新變化？

現(xiàn)場工作人員向量子位獨家透露，今年5月至今，絕悟采用了更多訓(xùn)練KPL職業(yè)選擇操作數(shù)據(jù)進行訓(xùn)練。

另一方面，騰訊AI Lab長期保持與頂尖高效合作，通過貢獻技術(shù)數(shù)據(jù)，高校相應(yīng)成果與技術(shù)也參與其中，由此，“絕悟”水平也達到了今天頂尖選手層次。

看完對陣AI現(xiàn)場及技術(shù)，不瞞你說，我這個鉑金段位自己也一個沒忍住報名1V1。

由于只能選限定的部分英雄，日常張飛劉禪的我，也不得已選了關(guān)羽。

于是乎，被虐了個5：1，而那1殺是塔點掉的……

經(jīng)歷完這些，我已卸載王者，告別一場賺2萬的幻想，安心工作去了……