進入主題，今天我們將討論主題：如果使用人工智能玩LOL，它可以輕松贏得世界冠軍嗎？
一、人工智能技術(shù)和游戲的歷史
讓我們把時間追溯到1950年，當時人工智能的重要概念“ Turing Test”首次出現(xiàn)。如果仔細考慮一下，您會發(fā)現(xiàn)圖靈測試的項目本質(zhì)上是一種模仿對抗游戲。人工智能開始模仿人類說話，人類如何區(qū)分人工智能和人類本身，兩者開始相互競爭。
pic01 圖靈測試
2013年，Google宣布使用Deepmind深度學(xué)習技術(shù)來打破Atari游戲，人們開始關(guān)注深度學(xué)習技術(shù)。什么是雅達利？這個名字聽起來很奇怪，但是您必須熟悉它：
pic02 Atari
是的，Google在深度學(xué)習的早期就使用游戲來訓(xùn)練AI。據(jù)了解，在Alphago出現(xiàn)之前，谷歌一直使用Atari游戲來訓(xùn)練AI。
然后在2016年，Alpha Dog席卷了全球象棋選手。實際上，它也在名為Go的游戲中運行，并且地圖為19x19網(wǎng)格。
2019年，在暴雪嘉年華的現(xiàn)場星際爭霸游戲中，AlphaStar擊敗了職業(yè)玩家Serral并取得了很大的成績。
pic03 星際爭霸
此時，您將發(fā)現(xiàn)AI技術(shù)開發(fā)的整個歷史都嵌套在游戲開發(fā)的歷史中。
由于Go，Chess和RTS游戲可以幫助研究AI技術(shù)，因此根據(jù)這種邏輯，LOL和“吃雞”又是什么游戲呢？ （斗地主不是問題）
第二，人工智能能否在LOL中贏得冠軍？
讓我從結(jié)論開始：我暫時不能，但可以預(yù)見未來。
在分析此問題之前，讓我們澄清一下LOL本質(zhì)上是什么樣的游戲。 LOL的游戲設(shè)計師似乎想模擬一場局部戰(zhàn)爭。由于這是一次模擬戰(zhàn)爭，因此必須分為戰(zhàn)略層面和戰(zhàn)術(shù)層面。
pic04 戰(zhàn)略與戰(zhàn)術(shù)
首先，就戰(zhàn)術(shù)而言，我認為不使用某些機器學(xué)習方法可能會很好。作為像Alphago這樣的superAI，它的響應(yīng)能力幾乎是飛秒，并且位置和運動A僅受網(wǎng)絡(luò)速度的限制，因此基本上只有adc可以殺死他。使用多種技能來近距離平倉基本上是一種幻想。在卡片視覺控制或閃爍強力控制（例如Pan Sen w）的才能中，Lacus的q技能完全沒用。這是代碼比人更好的地方。犯錯的是人，代碼永遠不會出錯。
pic05 著名場景
但是為什么還沒有出色的LOL AI出現(xiàn)呢？因為人工智能缺乏戰(zhàn)略層面的東西。通常，在玩LOL時，我可能會做出以下戰(zhàn)略決策：開發(fā)，攻擊，檢測，協(xié)助和撤退。大家都知道，我不會詳細說明這些。 Alphago之所以能夠成功，是因為Go是一款完整的信息游戲，因此有人說Moba在戰(zhàn)爭迷霧中已成為一種不完整的信息游戲。如果計算機看不到我在做什么，它將無法以我為目標。這絕對是不對的。
由于我們提到了不完全的信息博弈，因此貝葉斯告訴我們?nèi)匀豢梢杂幸粋�最優(yōu)方案。為了便于理解，您可以考慮遇到中路錯過時的處理方式。我要么有遠見，然后繼續(xù)安心發(fā)展，要么我沒有遠見，然后回到塔樓躲起來。當我們將AI放入LOL時，它需要始終感知當前的游戲情況，做出下一步?jīng)Q定，走或停，進攻或后退，要使用的技能以及放置位置。這些決策通常可以基于當前的知識和計算能力量化為概率。這真的是不可能的，不是因為有蒙特卡洛，如果我不知道的話，我會再嘗試幾次來了解概率。換言之，人工智能可以模仿人類去猜測并作出最有利可圖的決定�？梢詫I設(shè)計成比您和我更詭計多端的設(shè)計。
三、那么玩游戲如何改善AI技術(shù)？
“我們最需要強調(diào)的是游戲AI研究的深刻意義，遠遠超過游戲本身。這是一個充滿挑戰(zhàn)和令人興奮的研究主題。研究的積累經(jīng)驗，方法和結(jié)論可以在更廣泛和更廣泛的范圍內(nèi)使用。 -reaching范圍的使用：首先，它是開放虛擬世界與現(xiàn)實世界之間的障礙，以增強物理世界的能力，例如無人駕駛汽車和機器人的發(fā)展；其次，在游戲中研究智能對話或?qū)⒊蔀槿斯ぶ悄艿闹匾緩�；第三，研究游戲中的人員，代理商和環(huán)境之間的相互作用可以使諸如智能城市之類的復(fù)雜而深遠的項目受益。”
-騰訊人工智能實驗室機器學(xué)習中心負責人劉涵
人工智能具有三項重要的能力：感知，判斷和對話。
Alpha Gou看起來很聰明，但在現(xiàn)實世界中，Go板只是2D圖像數(shù)據(jù)。它反映了游戲獲勝率中的每一步，從而“感知”了每一步的含義。棋盤上的棋子越來越多，感知環(huán)境也越來越復(fù)雜。
以游戲“ Doom”為例。讓AI玩這個游戲，它感覺是一個2D游戲屏幕，面對屏幕，它需要感知環(huán)境中每個元素的含義以提高獲勝率。只是這個游戲環(huán)境比Alphago面對的19X19電路板要復(fù)雜得多。
pic06 毀滅戰(zhàn)士
這其實更加接近物理世界。
在我們的現(xiàn)實生活中，對無人駕駛車輛物體的識別，相機所感知的僅僅是二維圖片。因此，如果游戲場景中的對象與現(xiàn)實非常相似，則它們可能是通用的。
像《俠盜獵車手》這類游戲，讓AI去控制主角，然后就可以訓(xùn)練他的認知能力并為AI創(chuàng)建世界觀。
pic07 俠盜獵車手
聽起來像是胡說八道嗎？抱歉，無人駕駛汽車的先驅(qū)特斯拉確實使用了專門設(shè)計的虛擬訓(xùn)練場來連續(xù)練習AI，以便它可以在短時間內(nèi)準確識別各種物體和緊急情況。甚至由馬斯克建立的實驗室OpenAI，也真正學(xué)習了去年通過“俠盜獵車手”學(xué)到的一套自動駕駛系統(tǒng)。據(jù)稱，每個人都可以只用一臺計算機和一套正版游戲就可以開發(fā)自動駕駛系統(tǒng)！沒錯，實際上是我們玩過的俠盜獵車手，沒想到。
pic08 GTA
人工智能可以通過游戲?qū)W習知覺，并且人工智能的決策是相同的。
在現(xiàn)實世界中，無人駕駛汽車需要根據(jù)實時感知做出決策，無論是向左轉(zhuǎn)還是向右轉(zhuǎn)，加速還是制動。此邏輯在游戲中也有效。面對復(fù)雜的游戲環(huán)境，人工智能需要始終做出決策以確保游戲的勝利。
如果將AI放入LOL，則它需要始終感知當前的游戲情況，對下一步進行決策，前進或停止，進攻或后退，要使用的技能以及放置位置。
除了感知和決策外，對話也是AI技術(shù)應(yīng)用程序的一項重要功能，并且可以通過游戲來改善這些功能。例如，在著名的電影《她》中，愛上男主角的人工智能本身就是對白游戲。
pic9 “她”
在AI游戲使用人機對話，甚至直接將AI放入模擬對話游戲中。它可以幫助學(xué)習和理解人類自然語言的產(chǎn)生原理。
四，附言
簡而言之，研究游戲AI很困難，但并非不可能。對游戲AI的研究不是要制作功能更強大的游戲插件，而是要使用游戲環(huán)境來研究任何環(huán)境的復(fù)雜交互。將來，這些研究結(jié)果可能會應(yīng)用于物理世界的各個方面，這將是基礎(chǔ)和長期的。
實際上，對于AI而言，請仔細考慮一下，我們的物理世界不是為此而玩的游戲嗎？
“自動駕駛游戲”的勝利條件是無意外到達目的地。
“圍棋”中要想勝利，必須確保贏的概率走向。
“人機對話游戲”的勝利條件是使人與AI難以區(qū)分。
尾：對于人類來說，這個“世界”不也是我們大腦正在玩的復(fù)雜游戲嗎？
