腾讯 AI Lab 与王者荣耀联合研发的策略协作型AI，“绝悟”首次开放大规模开放：5月1日至4日，玩家从王者荣耀大厅入口，进入“挑战绝悟”测试，“绝悟”在六个关卡中的能力将不断提升，用户可组队挑战“绝悟”。这不是腾讯 AI Lab首次大展伸手了，例如去年“中信证券怀”世界智能围棋公开赛的冠军就是来自于腾讯AI Lab的“绝艺”。
本次在王者荣耀上线的“绝悟”真的是令人觉悟，笔者做为老的DOTATER，MOBA类游戏的水平，自认还是相当不错的，不过亲测了几局，始络不能在路人匹配的情况下通过第三关。“绝悟”的1v1版本曾在2019年的China Joy上开放，在与顶级业余玩家的 2100多场，AI胜率为 99.8%，此次是“绝悟” 5v5 版本首次公开。如果以后挂机队友都能用“绝悟”托管，那估计今后匹配到掉线玩家的队伍，是做梦都要笑醒吧。
在柯洁等人类顶尖棋手纷纷败于AlphaGo后，AI已经破解了围棋的难题，大面积目前多人在线战术竞技类游戏（MOBA）成为测试和检验前沿人工智能的复杂决策、行动、协作与预测能力的重要平台。
比如在去年的DOTA顶级赛事TI8上，在OpenAI与世界冠军OG战队之间的一场DOTA2比赛上，AI战队以2：0完胜了人类冠军。虽然笔者认为OG在TI8上夺冠不太有说服力，去年的LGD和Liquid比OG厉害，不过AI在两场比赛中，尤其在第二场15分钟就完成战斗，展现的强大到碾压的能力令人惊叹。
但是到OpenAI的MOBA游戏的AI模型是有限定条件的，不允许人类选手选择幻影长矛手及分身斧等幻象、分身类道具，虽然王者荣耀游戏中不涉及此类情况，但是与棋类游戏相比，MOBA类游戏的AI模型至少在以下几个方面是完全不同的。
一、复杂度：
王者荣耀的正常游戏时间大约是20分钟，一局中大约有20,000帧。在每一帧，玩家有几十个选项来做决定，包括有24个方向的移动按钮，和一些相应的释放位置/方向的技能按钮。王者峡谷地图分辨率为130,000×130,000像素，每个单元的直径为1,000。在每一帧，每个单位可能有不同的状态，如生命值，级别，黄金。同样，状态空间的大小为10^20,000，其决策点要玩大于棋类游戏。
二、信息不对称：
MOBA类游戏中一般都有视野的范围，这造成了信息的对称，也就是说AI无法像棋类游戏一样获得全部的对局信息。
三、团队配合：一般如王者荣耀等MOBA类游戏都是5V5的集体类游戏，那么整个团队需要有宏观的策略，也需要微观的精细执行。
在游戏的各个阶段，玩家对于决策的分配权重是不同的。例如在对线阶段，玩家往往更关注自己的兵线而不是支持盟友，在中后期阶段，玩家应关注团战的动态。每个AI玩家对队友的配合操作纳入计算范围，这将提高计算量。
四、奖励函数难以制订：
MOBA类游戏到比赛的最后时刻存在悬念，不像棋类游戏中吃子或者提子等奖励来得那么直接。这让MOBA类的AI的奖励函数非常难以制订。
“绝悟”背后是一种名为“强化学习”（reinforcement learning，RL)的AI技术，其思想源自心理学中的行为主义理论，因此该学习方法与人类学习新知识的方式存在一些共通之处。
游戏作为真实世界的模拟与仿真，一直是检验和提升 AI 能力的试金石，复杂游戏更被业界认为是攻克 AI 终极难题——通用人工智能（AGI）的关键一步。如果在模拟真实世界的虚拟游戏中，AI 学会跟人一样快速分析、决策与行动，就能执行更困难复杂的任务并发挥更大作用。
强化学习做一系列基于时间序列的决策。它先假定每个问题都对应一个Environment，这时每一个Agent在Environment中采取的每一步动作都是一个Action，做出Action之后，Agent从Environment中得到observation与reward，再不断循环这个过程，以达到总体reward最大化。
从RL的原理中能看出，RL是一种在不确定且复杂的环境中通过不断试错，并根据反馈不断调整策略，最终完成目标的AI，这和游戏的实践场景可谓非常的契合。
虽然目前RL在一些具体的场景中，如控制步进马达、电子竞技方面取得了很多突破性的进展。截止目前“绝悟”的RL框架还没有开源，不过好在Open AI的gym框架是开源，并提供了RL完整的接口。可以让我们通过玩游戏，来了解深度学习的原理。安装gym十分简单，只是记得要执行这个命令pip install gym[atari]即可。
其示例代码如下：
import gym
env = gym.make( 'UpNDown-ramDeterministic-v4') #初始化环境
for i_episode in range( 900000):
observation = env.reset() #重置观察
for t in range( 100):
env.render() #渲染环境
print(observation) #将观察值打印出来
action = env.action_space.sample() #按照sample进行动化，当然也可以自行实现
observation, reward, done, info = env.step(action)
print(reward) #将奖励值打印出来
if done:
print( "Episode finished after {} timesteps".format(t+ 1))
break
env.close()
其运行效果如下：
通关小贴士
如何打败AI这点上，我们可以参考而三年前李世石战胜AlphaGo的第四局对弈，其中第78手这一挖，此招一出当时技惊四座，甚至被围棋界认为是“捍卫了人类智慧文明的瑰宝”。
随后AlphaGo被李世石的“神之一手”下得陷入混乱，走出了黑93一步常理上的废棋，导致棋盘右侧一大片黑子“全死”。
此后，“阿尔法围棋”判断局面对自己不利，每步耗时明显增长，更首次被李世石拖入读秒。最终，李世石冷静收官锁定胜局。后来通过仔细复盘人们发现这78手并非无解，只是骗到了当时的AlphaGo引发了AI的Bug才使人类能够赢下一盘。
可以说打败AI最关键的决窍就是，千万不要在AI的空间和AI斗，一定不能按照常理出牌。“绝悟”虽强，但目前肯定还不是完全体，正如我们前文所说，MOBA类AI模型的奖励函数是非常难以制订的，很可能是因为在开局战争迷雾未解开的情况下，入侵野区的收益值不如抱团清线来得高，因此“绝悟”开局大励套路比较单一。那么笔者做为一个菜鸡玩家，通过上述分析给大家一些建议。
一、 选择强势入侵阵容，不断蚕食AI经济。因为AI一般在明确打不过的情况下就会直接放弃，亲测如果人类玩家强势入侵，那么AI一般会选择放弃，不过这个策略对于普通玩家也没有太大用处，因为即使本方经济领先，一般的玩家也依然没法打过AI。
二、 偷塔。由于王者荣耀等MOBA类游戏归底结底还是推塔的游戏，从“绝悟”学习成果结果来看，其对于击杀和远古生物的给予的奖励权重明显更高，这也不难理解，因为在普通的比赛中这两点的确是胜负的关键。
正如上文所说，打败AI的关键点就在于不要按照常理出牌，使用李元芳、米莱迪、周渝这种强势推塔阵容，趁对面在打暴君、主宰等远谷生物时赶快偷塔，实测发现尤其在前4分钟防御塔有隔挡机制时，“绝悟”对于守塔不太感冒。趁这时赶快偷塔，往往是记得比赛的关键。
三、 反杀关键韧性鞋。王者荣耀中有一个非常特殊的道具韧性鞋，能减少被控制的时间，“绝悟”在进行越塔击杀，往往借助于连续的控制。笔者在实测中看到人类玩家反杀“绝悟”的情况，基本都是留好韧性鞋的金钱，等待“绝悟”控制技能施法前摇时，瞬间购买，从而避免被控制至死，进而实现反杀大业，最差也能拖慢AI的节奏，为队友争取偷塔时间。
我们知道现实生活中的许多真实的问题（如股票）没有明确的规则，或者规则会变动，需要具体决策需要AI自行摸索，这是强化学习的优势所在。
长远来看，AI+游戏研究将是攻克 AI 终极研究难题——通用人工智能（AGI）的关键一步。不断让 AI 从0到1去学习进化，并发展出一套合理的行为模式，这中间的经验、方法与结论，有望在大范围内，如医疗、制造、无人驾驶、农业到智慧城市管理等领域带来更深远影响。
未来我们还有哪些“绝悟”AI式的惊喜，让我们拭目以待。
相关阅读：磁力猫 |
发表于 
