后使用我的收藏没有帐号？
所属分类： &
查看: 3|回复: 0
探讨人工智能是否能在dota2超过职业选手
发表于 昨天&21:01
探讨人工智能是否能在dota2超过职业选手
点这里&&&&
DOTA2推荐内容
魂匣英雄谜团岁末狂欢，惊喜来袭！[各种细节]国内的职业选手有多少能弄清楚dota2的各种设置？
平时一般看zhou的直播，大局观，技能释放切入时机什么的都能看出来巅峰期的影子。但是细节方面基本抠脚，拉鸟去野外商店不用快捷键用鼠标点说是为了防止被杀鸡还说的过去。买装备鼠标点，鸟从外面飞回来鼠标在右下角等半天点取出装备然后再运，完全不知道设置个快捷键点一下就可以完成所有操作，没快捷键也可以鼠标点一下右下角一个图标就完成，最不济也可以选中鸟按个y然后shift加t就可以了。他这样一直注意力在鸟上就算了，有时候还会突然分散注意力然后忘了鸟想起来时已经飞出去了然后还要浪费时间再来一次。ob的直播我基本都看过几眼，印象中这个细节貌似就奶子d做的不错，其他人都抠脚。当然这些人都是退役了的，但是那些跟他们同时代的没退役的人呢？是不是细节方面也这么抠脚？这还只是这个最简单的用鸟细节，控制台那些高级的就不说了，看直播可以发现这群人连dota2自带的稍微高级点的设置比如镜头位置编队都搞不清楚，这难道不是职业选手的基本功课吗？这群人当年是怎么拿的那么多冠军。。问题来了，现在的这批国内职业选手细节方面还是这么差吗？能把系统自带设置整明白吗？我看过rtz直播，各种细节几乎完美，虽然最近打比赛是个智障，但至少对线还是超一流。国内大部分的中单对线吃亏，这方面应该还是有一定影响的吧？
既然细节完美的人早早回家,那么细节有多少作用是不是值得商榷
熊第别人都退役了
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=482025]空桑遗族[/uid] ( 22:51)[/b]但是你至少得承认rtz对线超一流吧？明明有一个明确的可以提高的地方为什么不做的更好呢？今天老鸡对线sumail有多劣你也看到了，细节方面的因素占多大比重呢？为什么不做的更好呢？
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=3623590]林中无鸟[/uid] ( 22:53)[/b]是退役了呀，我看他直播多，肯定拿他举例子啊。重点不是他呀，只是一个引子。
这些人还因为是传统键位物品栏快捷键需要经常调整导致频繁bkb验货呢
不过burden早早退役也就没必要苛求了
他们都是打dota1过来的，很多东西习惯了很难改。正常来说QWER键位绝对比传统键位更合理一点吧？传统键位卡尔的y,敌法的b不远？
职业选手还不是一群传统键位的，我也是传统键位。很多设置的确使用了可能会更好那么一点点，但是说实话，最多也就是锦上添花，并不是很重要。至于你吹的国外细节好，9000哥叼并不因为这些细节，rtz有这些细节然而整天被人嘲讽坑货，你举的例子都说明了这些细节不是决定性的因素啊。
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=]坂井泉水z[/uid] ( 22:55)[/b]占不了多大比重。老鸡本来就没人吹他对线很强，中国对线强的有巅峰时期的430，cty,maybe,
你举例的这些细节有用，但没大用。
你说得这个至少年轻一代的选手应该都能做到吧。老一辈的还是别管他们了，很快就有人出来教育你他们是说不得的。
求楼主科普下 有切屏的快捷键吗
还有买装备的快捷键
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=]Lionelonaldo[/uid] ( 22:59)[/b]是的，这也是一个细节。但是rtz，sumail这些对线怪物也是传统键位，但是印象中貌似很少验货。qwer好处最重要的一个就是改建不用每次都改bkb跳刀之类的都可以固定一个最常用的按键。我改qwer之后打了几天乱战先锋然后打匹配差不多一个月就适应了。
反正我用鸟，从来是点一下那个按钮
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=427312]雨落孤城[/uid] ( 23:03)[/b]我现在手机上的，不好说清楚。镜头就跟编队设置差不多，系统会自动记住的。你问的问题，你打开设置面板每个选项都看一遍，然后配合试玩模式最多五分钟就可以搞明白。
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=]清粥1202[/uid] ( 23:02)[/b]不管作用大小，你也说了有用。既然有用为什么不做好？这些细节需要付出多少努力？我觉得并不多吧，不至于完全没时间吧？现在冠军奖金接近九百万美元，难道不值得稍微花费一点精力在一个明确的问题上提高那么一点吗？
楼主说的很有感触，像以前合大魔棒，烦得一逼！玩2以后舒服！还有鸟里物品的摆放顺序，也是有将就的。就像以前玩wow的jjc，全按键，鼠标根本点不过来。都是一瞬间的事
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=]坂井泉水z[/uid] ( 23:12)[/b]家长老师看学生不是一个道理嘛，现在学历那么重要，为什么不肯再多学一点点[s:ac:愁]但是我觉得能接受这个道理的人不多。。。
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=5294674]cc3753547[/uid] ( 23:14)[/b]是的。现在系统设置越来越强大，越来越方便，就怕这群人不上心研究。赢了还好，输了就有一种输在起跑线上的感觉。
这帮解说我想吐槽一下英雄死了 看读秒那里有框就能买 没有就不能买每次他们都是先点英雄 鼠标移到下面 然后大呼 买不活。。
[b]Reply to [pid=33002,1]Reply[/pid] Post by [uid=482025]空桑遗族[/uid] ( 22:51)[/b]同等水平的队伍肯定是细节更好的赢面更大苏美尔当年强不就是强在对线被抓不掉钱嘛
[s:ac:汗]会有人告诉你 没用的 然而实际上百分之八十的人没完整的看过 游戏里面的设置选项 第一次进游戏 不会去调键位与图像设置偶尔看直播 一个功能弹幕说了怎么弄 还要找半天 你让他们会用这个是不是有点难孩子被绑在父亲腰间，骑摩托车400多公里跋涉回家。
得知儿子即将与她团聚，老人感动的泣不成声。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　随着Alphago再次击败多位围棋顶尖选手，关于人工智能的讨论又热烈起来。看到一些关于人工智能是否能战胜SKT的问题，感觉到很有趣，尝试着利用自己掌握到的有限知识去回答这个问题。
　　计算机如果想要战胜LOL、DOTA等MOBA类游戏的人类选手，还有非常非常远的路要走。
　　回溯人机博弈的历史，计算机是先拿国际象棋下手。
　　1996年2月，深蓝第一次对战如日中天的国际象棋大师卡斯帕罗夫，相必当时的人们也在和我们怀着同样的心情去关注这次对弈。7局赛制，赢1局积1分，平1局积0.5分，负1局不积分。
　　2月10日第一局，深蓝战胜了卡斯帕罗夫。这是人类有限的历史里，机器第一次战胜一位状态鼎盛的象棋大师。随后的五局里，卡斯帕罗夫3胜2平，以4-2的总比分战胜了深蓝。7天人机对弈大战，这并不轻松。想必卡斯帕罗夫也已经能预知到自己未来必败的故事了，因为人已经到极限，但机器却远远没有。
　　1997年5月，深蓝卷土重来。故事的结局大家都知道了，在决定生死的第6局，卡神在开局犯下一个严重错误，被深蓝抓住机会，拿下致胜1分。最终深蓝3胜2负1平，以3.5-2.5的总比分宣告机器战胜人类顶尖国际象棋选手。
　　深蓝用的是什么方法？Brute Force algorithm，算法如其名，用简单粗暴的方法去计算每一步棋，在全部可能性中去寻找最优的对弈解法。这是纯粹的数学游戏，考验也是最基础的计算能力。机器进化的方向并不复杂，那便是不断的提高自己的Computing Power. 深蓝用C语言开发，在AIX操作系统下运行。至1997年，深蓝可以每秒钟可以运算2亿次，它的运算速度也达到了1996年那个版本的两倍。这非常摩尔定律。
　　接下来故事就是机器对抗围棋选手了。为什么是先象棋后围棋的顺序，想必大家也都明白，复杂度原因。讲道理来说，人类每年都可以double自己的计算能力，我们只需要10年，就可以得到1024倍的计算能力，20年得到2^20倍的计算能力，再加上摩尔定律里关于成本减半，我们可以制造出计算能力无与伦比的机器，但这却远远对付不了围棋选手。
　　让我们看一下维基百科上棋类复杂度的对比：
　　围棋的复杂度在10^171，这远远超出了象棋的10^47。预计大部分人对这个数字没有概念，说一个参照的事情，在可观测的宇宙中基本粒子的数量规模在10^80-10^85之间。所以围棋传说中的，千古无同局，并非是虚言。如果Alphago继续使用前辈深蓝暴力破解算法，那看起来就有点儿愚蠢了。机器需要一次变革性的进化。
　　在深蓝退役后的这段时间里，最强的围棋程序在不断的进化，但实力只能达到业余五段选手的水平，再不让子的情况下，连专业围棋选手都赢不了。
　　2012年，Alphago的前辈Zen，两次战胜了专业九段Masaki选手，但都是在让4-5子的情况下。
　　2013年，前辈Crazy Stone，在让4子的情况下战胜专业九段Yoshio Ishida.
　　一代一代的进化，深度学习算法逐渐走入舞台中央，这就是机器所需要的那次进化。2014年，Alphgo搭载神经网络出世，击败了所有市面上的围棋程序。这仅仅是运行在一台计算主机上的Alphago. 2015年，分布式版本的Alphago拥有1202个CPU和176个GPU，在面对自己1年前的版本时，战无不胜。这个系统的神经网络受启发于人类职业选手，依靠一个对已有职业比赛记录的数据库系统，机器已经可以开始模拟人类选手的下棋方式了。
　　棋类选手怎么训练，自己研究棋谱，和自己对弈、和他人对弈，从中吸取和学习经验。在拥有了基本的数据库之后，Alphago可以和自己对弈无数多的局次，机器的训练量远远可以大于人类，只要计算能力足够，计算量对机器来说不是问题，在和自己对弈的棋局中，机器在对各种局势的优劣进行判断，从而进行学习，这是一个极其变态的事情，对自我可以无限复制。对于千古无同局的围棋，Alphago看到的棋局和对这些棋局的记忆，远远要比李世石更多，比李世石更记忆犹新。
　　2016年，Alphago强大到什么地步我们都看到了。但这里有个细节必须要说，Alphago的系统里有一个获胜概率阀值的判断程序，当局势的获胜概率低于20%就主动认输。在和李世石对弈时，这个阀值被设定在20%，细思极恐。三国时期的伟大军事家曹操，在给《孙子兵法》的批注中，留下这么一句话，叫：善战者无赫赫之功。 为什么？因为善于战斗的人，他总是以多胜少，以强胜弱，手里有必胜的把握才去开战。所以他的胜利总是看起来理所应当，没有什么值得赞颂的。Alphago在围棋领域，可以说已经到了曹操所言的这个境界，真正的“强、无敌”。
　　机器和人博弈的故事接下来就要来到第三阶段，我们也看到谷歌先选择的其实是《星际争霸》。
　　从科技媒体报道出来的消息来看，两点我们需要注意：1. 机器将会通过对屏幕信息进行捕捉的方式，来进行数据获取，而非是从游戏内读取数据；2. 机器的APM将会受到合理的限制，使人机竞争具备一个相对公平的环境条件。
　　为什么不直接是英雄联盟或者DOTA2？ 主要原因，我认为是可控变量数，星际看起来是在可接受范围内。而且还有一些重要的问题，是AI以后想战胜LOL和DOTA2战队所必须克服的困难，这个阶段刚好用星际来过渡学习。第一点便是“实时性”。无论是象棋还是围棋，它们都是回合制游戏，而《星际争霸》则是“real-time”，立即对对方的选择作出反应，甚至有那么一瞬间，博弈双方的决策汇聚在一起。第二点，对对方意图的准确判断，为什么要建造这个东西，为什么去生产这个单位。
　　我认为，这是机器在挑战LOL和DOTA的路上，所必须经历的第三个阶段，而且重要性非比寻常。它所需要的计算方式和学习方法，都应该是又是一次变革性的提升，就像从“暴力破解”到“深度学习”。
　　第四个阶段，我认为才是机器和人类顶尖的MOBA队伍的战斗。如果基于目前已有的AI思路持续发展下去，是否有可能战胜SKT？
　　首先，我们先看最基础的游戏复杂度，国际象棋也好，围棋也好，它们的复杂度总归是在两个最大变量的控制范围内，棋子数量和棋盘的格子数量。一张MOBA地图有多少个像素点，一局MOBA游戏里可能出现多少种英雄组合，一个英雄可能有多少种技能顺序、多少出装选择、多少种插眼选择、多少种走位选择、多少种打野选择、多少种技能释放选择、多少个开团时机选择，再叠加到五个英雄，有多少可能性的排列和组合。难以想象，这个游戏复杂度我认为是要远远超出10^171这个数字。
　　其次，我认为要看机器对训练数据的学习方式。Alphago有提到两个神经网络系统，叫value network和 policy network，维基百科这么描述这句话：It uses Monte Carlo tree search, guided by a &value network& and a &policy network,& both implemented using deep neural network technology. 可以看出，在底层算法上，这依然是一种蒙特卡洛树的遍历，但遍历路径会受到两个相关的优劣判断策略的引导。那好了，按照这种思路，在MOBA游戏里，需要远远不止两个用于优劣判断的network。举个例子，在DOTA游戏里有这样一个道具，常常被玩家用于发起一些关键性战术性进攻，叫做“诡计之雾”，提供一种短时间内的全体对视野守卫的隐身功能，频频开雾奠定胜局的场次屡见不鲜。问题来了，在这种情况下，AI怎样用什么样的network去帮助它在这种情况下遍历蒙特卡洛树，我实在是想不到。玩家之间的配合方式也是非常多样化，机器以人类数据为训练数据去学习的过程中，也将面对更多需要作优劣判断的场景。还有非常非常重要的一点，就是你可以看到在象棋选手和围棋选手的高质量比赛中，犯错是一件很难想象的事情，就像卡神和深蓝第二次对弈的第6局，就是卡神的开局失误，直接葬送比赛。这对程序非常有利，因为面对人类数据样本时很容易去做优劣判断，但是我们知道，在MOBA职业比赛中，选手会犯大大小小的失误，而机器在面对这些数据时，学习难度自然又有非常大的提高。我认为目前AI对训练数据的学习方式，很难适用于MOBA类游戏。
　　人类的进步和发展总是循序渐进，在这个阶段讨论AI和MOBA战队的战斗，看起来是很难有答案的，但我依然非常愿意去畅想未来，如果要给一个答案，我认为这个答案一定是肯定的，会有那么一天，机器像人类一样去思考场上局势，去战胜一支人类职业队伍。虽然，这一天非常可怕。伟大的军事家孙子说过：兵者诡道也。如果有一天机器学会了人类的“诡道”，人类该不该开心真的难讲。
　　还有一个问题，我还想去探讨一下，那就是前三个阶段，机器和人都在单挑，当进入到第四个阶段，我们应该怎么去定义这场比赛，是机器1V5，还是5个AI对战5个顶尖选手？
　　看过《火影忍者》的同学应该都对佩恩六道有深刻的印象，佩恩六道在战场上的模式，便是“1V多”，六具尸体受佩恩意识的控制，共享视角、共享思维，完全不需要沟通和交流，完美配合输出，自来也大人死的不冤。我们都知道，人类玩家之间因为沟通和交流出现问题导致崩盘、甚至队伍分崩离析的事情，屡见不鲜。
　　届时，怎么去定义这场MOBA对决应该也会出现这个问题，允许机器链接，那你就只能把它们当作一个整体去击败，它们不存在团队执行力和目标一致性的问题，而人类团队则非常非常难达到这种境界。这种信息沟通的方式，看起来简直是作弊。
　　我异常期待这场对决，希望在有生之年可以看到。
　　如需转载，请注明出处和作者，玩加赛事非知名小编WY。
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
玩加赛事()，专注服务认真游戏玩家。...
3987文章数
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：