王者荣耀AI“绝悟”又进化了!会全英雄又懂田忌赛马

点击上方“机器学习与生成对抗网络”,关注"星标"

获取有趣、好玩的前沿干货!

文章来源:腾讯公众号  编辑:图灵的猫

还记得围棋AI“绝艺”的弟弟——AI“绝悟”吗?

对,就是那个王者游戏打得特别好的AI。

作为腾讯在通用人工智能的试验场,最近他又升级了。

去年,在一场5v5水平测试的比赛中,打赢了王者职业队,跻身电竞职业水平。(可戳此回顾)

期间,他还展示了异于常人的骚操作——

比如,在对手团灭情况下,AI不直接拆水晶,反而抗塔推完最后一个高地,实现利益最大化。

在2019 China joy上开放的1v1版本中,经过与顶级业余玩家的2100多场体验测试后,胜利高达99.8%,仅仅输了4场。

今年,在王者的“五五开黑节”活动中,更是首次开放了5v5版本,并提供六大关卡给玩家挑战。

今天要告诉大家的是,AI“绝悟”再次进化,成为“绝悟完全体”——

两大升级

①从以前只精通40个英雄,级到了100+英雄全覆盖;

②学会在BP环节(禁选英雄)派出最优英雄组合策略。

如此一来,AI“绝悟”的实力比之前得到了大幅度提升,已经达到人类顶尖水平。

这也意味着,对于未来“AI+”领域的探索和应用,也再向前迈进了一步。

最强的20关将于11月28日开放,接受5v5组队挑战。

前方传来了最新实战情况——

AI策略:红方AI铠大局观出色,成功绕后蹲草丛,精准击杀对方C位,扭转战局。

AI微操:蓝方AI中路3人小规模交锋,精细操作,丝血化解红方橘右京攻势。

AI协作:蓝方AI团战4人完美配合,中路打团以少胜多,扩大优势。

AI微操:AI公孙离完美连招,隔墙一秀三反杀红方猪八戒,成功逃生。

AI协作:AI红方3人越塔强杀蓝方李信。

与AI“绝悟”交手过的同学纷纷表示:

精通100+英雄

想要精通王者游戏里全英雄有多难呢?

假设一名普通玩家,想要获得游戏里“全能高手”的称号,需要每个职业均有四个宗师(紫色)熟练度及以上的英雄才能解锁。

相当于至少要会玩24个英雄,积攒48000点以上的英雄熟练度才能满足条件。

正常一局+36点熟练度的话,也要玩上千场。

更何况游戏目前版本有大约100个英雄,普通玩家由于练习时间与精力限制,很少有人能够全部精通。

还有更棘手的问题是——

因为地图庞大且信息不完备,不同的10个英雄组合,会有不同的策略规划、技能应用、路径探索及团队协作方式。

所有英雄组合数变化的可能性,预计高达10的15次方。

(反正也就是个十百千万十万百万千万亿...反正数不清楚有多少个零)

(难度就跟数出图中有多少个星星一样大)

尽管面对重重困难,但AI“绝悟”做到了。

技术团队只用了一年时间,就让AI掌握了所有英雄和技能。

具体怎么做到的?

技术团队采用了一种让 AI 从易到难的渐进式学习方法——

AI就像一个篮球运动员一样,需要先把运球、投篮等基本功学透,再加入到球队中和不同队员一起训练,最后通过一场一场的比赛,在随机匹配的实战中掌握所有战术和打法。

最终让AI“绝悟”集百家之所长,掌握所有英雄和技能。

感兴趣的同学,可以查阅相关技术的论文,了解更详细的技术原理。

AI也会田忌赛马

赛场上想要获胜,光靠顶尖队员的发挥是远远不够的,还需要懂得排兵布阵。

田忌赛马的故事,就很好地说明了这一点。

AI“绝悟”也一样,若能有一个教练在游戏BP环节(禁选英雄)找到最优策略,就能先发制人。

可能有人会问,直接把各位置胜率最高的英雄组成一队不好吗?

实力确实会很强,但王者里有上百个英雄,任意英雄间都有或促进或克制的关系,只按胜率选择的话,反而容易被对手针对。

那AI“绝悟”是怎么做的呢?

他从他哥AI“绝艺”那里学了两招,使用蒙特卡洛树搜索(MCTS)和神经网络结合的自动 BP 模型。

简单来说就是,通过大量的数据模拟,快速找到长期价值最大的英雄和阵容。

我们都知道,BP环节中需要双方轮流选择英雄,且不能重复选择同一个英雄。

当玩家在选择英雄的时候,AI就会从过去训练的数据中,判断对方接下来可能会选择的阵容方向,并根据阵容之间的胜率来选择自己的英雄和阵容。

举个栗子,如果玩家队伍里选择了张飞、雅典娜这种打架能力很强的英雄阵容的话,AI很可能就会选择一个相对克制的王昭君法师来进行抗衡。

除了单轮BP以外,AI“绝悟”在如王者荣耀 KPL 赛场上的多轮BP赛制中,也能统筹帷幄。

经过训练后,在面对各位置胜率最高的英雄阵容时,AI能达到近70%胜率;在对阵各位置随便选的英雄阵容时,AI胜率更接近90%

AI“绝悟”未来大有用处

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。

这也是技术团队不断提升AI“绝悟”的动力所在。

截至目前,AI“绝悟”的相关研究,已被 AI 顶级会议 NeurIPS 2020 与顶级期刊 TNNLS 收录。

绝悟AI强化学习相关技术被AI顶级会议NeurIPS 2020收录

绝悟AI监督学习相关技术成果被AI顶级期刊TNNLS收录

相信在不久的将来,AI“绝悟”不仅可以像哥哥AI“绝艺”一样,成为职业选手的专业陪练。还有望在医疗、制造、无人驾驶、农业、智慧城市管理等领域带来更深远的影响。

猜您喜欢:

超100篇!CVPR 2020最全GAN论文梳理汇总!

拆解组新的GAN:解耦表征MixNMatch

StarGAN第2版:多域多样性图像生成

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 |《计算机视觉中的数学方法》分享

《基于深度学习的表面缺陷检测方法综述》

《零样本图像分类综述: 十年进展》

《基于深度神经网络的少样本学习综述》

点赞、在看、分享三连~

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值