李世|会玩王者荣耀的AI，真的有用么？( 二 ) 比赛|游戏|研究人员|AlphaGo|Le

在比赛中，各大高校的教授和学霸们会利用开悟平台研究如何用算法解决单、多智能体解决方案，模型结构设计，强化学习算法设计、奖励函数设计等问题。
比赛模式包括1v1墨家机关道、3v3长平攻防战，规则与我们玩家在王者荣耀日常接触到的一样，最先推倒对方水晶的一方获胜。

文章图片

今年已经是第二届比赛了，去年第一届赛程还使用过5v5 梦境大乱斗，冠军被中科大收入囊中。
肯定有差友好奇， AI 到底怎么经过自我博弈，最终学会玩王者荣耀的？
那给大家看看鲁班七号AI 的进化之路，我们以训练 10 分钟， 1小时， 12小时为节点，分别看看 AI 的水平有怎样的变化。
（下方动图里，左上角能看小地图，会显示红蓝双方的位置）
这个是训练了 10 min 的 AI ，可以说这时候的 AI 菜得抠脚，仿佛完全不知道要做啥。。。
10min AI ▼

文章图片

对战开始，红蓝两方的小鲁班 AI 出了塔之后都非常迷茫，一脸的 “我是谁？我在哪？” ，兜兜转转瞎溜达，技能也在瞎放。
迷糊了两分钟，蓝方的小鲁班才跌跌撞撞走到了兵线附近。（左上角能看到红方还在迷茫中。。。）

文章图片

这时蓝方鲁班发现，站在兵线前随意的平A 就可以获得金钱的奖励。
并且红方一直没出水晶，蓝方连 2、3 技能都没按出来，就已经锁定胜局。

文章图片

有意思的是，这时候鲁班虽然不知道主动进攻，却知道抗塔会掉血，看来以前经历过不少教训。
据我猜测，通过这一局 AI 就会知道，走中间有兵线的地方平 A 就能得到经济。
那么 AI 经过 1h 的对战训练后，水平又如何了呢？
1h AI ▼

文章图片

战局一开始，红蓝两方都开始跌跌撞撞往中间走，看来 AI 已经知道了中间兵线有经济。
红蓝相见分外眼红，直接硬刚，蓝方险胜。

文章图片

看来此时 AI 还没学会血量少的时候要苟一下，只知道拿下对方人头就可以获得经济。
训练了 1 小时的 AI 终于知道放特殊技能了，可惜技能 2 和技能 3 基本就是瞎按，没有一星半点的准头。。。

文章图片

不过相对于 10min 的版本，还是有不小的进步～
最终蓝方坚定的在小兵的掩护下推了塔，尽管红方也知道守塔，显然大势已去，无能为力了。

文章图片

那训练了12 小时的 AI 会怎样呢？
对战开始，红蓝双方迅速在兵线附近狭路相逢，二话不说上来就对喷。
12h AI ▼

文章图片

蓝方因为靠小兵太近，中间不小心火力被兵线吸引了一下，被红方取得优势。
这时大家会发现这时的 AI 已经学会在血量较少的时候后撤，可惜在边退边战的时候被喷死了。
继续观看比赛，发现 AI 还学会了在血量少的时候舔血包，甚至懂得回家加血！
蓝方鲁班舔血包 ▼

文章图片

红方鲁班缺血后回家补血
满血后回来反杀 ▼

文章图片

而且，鲁班的 2 技能的准确率也直线上升， 3 技能也知道要在兵线和敌方身前释放。

文章图片

所以，虽然看起来这个训练了 12 小时的 AI 动作还是蠢萌蠢萌的，跟人类比起来意识也不行，可是相比较于只学习了 10 分钟的 AI 强多了。
这就是强化学习 AI 的厉害之处，只要规划合理，继续训练就会变得越来越厉害，直到无法成长。