腾讯发表论文介绍AI如何击败99.81％《王者荣耀》玩家

研究人员指出，与传统的棋盘游戏和雅达利游戏相比，MOBA 这种即时的策略游戏需要高度复杂的动作控制，而且其环境也往往更加复杂。

以《王者荣耀》为例，单单是 1v1 的情况下，玩家随时要面临 10^600 种可能状态，以及 10^18000 种可能行动。AI 不仅要学会计划、攻击和防御，还要学会使用技能组合、诱导或欺骗对手，同时还要应对场景中的各种危险，如野怪和防御塔。

腾讯研究人员的系统对图像特征和游戏状态信息进行了编码，令每个单位和地方目标都转化为数字形式。该框架在总共 60 万个处理器核心和 1064 张显卡（包括英伟达 Tesla P40s 和英伟达 V100s）上运行，处理了 16000 个包含非隐藏的单位属性和游戏信息。

训练一名英雄需要用到 48 块显卡和 18000 个处理器核心，以 80000 个样本每秒的速度进行训练。系统一天的训练量，就相当于人类花费 500 年所积累的经验。

论文的合著者指出，「绝悟」的Elo 等级分（一个衡量各类对弈活动水平的评价方法）来自于一个计算零和游戏中玩家相对技能水平的系统，在预料之内随着训练而稳步上升。

「绝悟」每 133 毫秒执行一次操作，相当于一个顶级业余选手的响应时间。根据研究人员的说法，它在 80 小时内变得相对稳定，不到 30 小时就已经能够击败排位前 1% 的《王者荣耀》玩家了。

「绝悟」最早在今年 8 月在吉隆坡举办的《王者荣耀》最高规格电竞赛事上亮相，当时「绝悟」在比赛特设环节与职业选手的 5v5 对战中获胜，而且在同一天的 ChinaJoy 上，也在首日创造了 504 场测试仅输一场的战绩。

在 ChinaJoy 上，「绝悟」也与五位职业选手进行了对战。尽管对手都是极强的职业选手，但「绝悟」当时做到了场均 5 杀，而场均死亡次数仅有 1.33。在 ChinaJoy 为期四天的公开挑战中，「绝悟」与现场玩家的 2100 场比赛中，胜率为 99.81%，AI 控制的 8 名英雄中，有 5 名获得了 100% 的胜率。

腾讯的研究人员表示，他们计划在不久的将来把他们的框架和算法都开源，以促进 MOBA 这样的复杂游戏的研究。

来源：VB