dotaai地图哪个最好玩 dotaai地图在哪里下载

文章插图

前言

文章插图

8月22日，当一队穿着印有OpenAI印花T恤的科学家们登上温哥华罗渣斯会馆的主舞台时，在场的观众爆发出无比热情激烈的掌声。
他们来到这里是为了能够将他们研发的人工智能在DOTA2这一开创5V5竞技对抗游戏先河的游戏中与真人的职业选手来一场正面的比赛交锋。
这场历史性的比赛如果谈到项目伊始得追溯到2016年的冬季，当时由CTO Greg Brockman带领的OpenAI研究团队正在寻找具有公平竞技性且具有挑战性的游戏环境以便能够测试他们的人工智能研究技术和人类的专业项目选手的对比差距。要知道游戏是测试人工智能最好的对象，因为他们有着复杂的计算模式以及丰富的人机交互项，而且最关键的是可以在赛后生成大量的可见数据。
作为一家非盈利性的人工智能研究机构，他们的最终目标是创造一个能在所有通用系统中执行多项复杂命令的通用型人工智能(AGI) 。而OpenAI的小组认为人工智能如果能在复杂的电脑游戏环境中达到人类的执行力的话将会是实现AGI的重要的第一步，更别提击败真正的人类也是对于人工智能的分析处理能力的最好证明。(这就不得不提到2016年在围棋大赛中出尽风头的AlphaGo了，这次比赛中AI的胜利推动了人工智能在游戏界的发展，而且同时确保了AlphaGo在AI发展历史上的里程碑一般的地位)
OpenAI的研究者们在选择目标之前也调查了Twitch上和Steam上的很多其他游戏，最终他们选择了DOTA2的主要原因是因为DOTA2可以在Linux上运行并且本身提供外部程序接口(API) ，这为他们的开发提供了不小的便利性。
研究起步
然而其实让AI去像人一样去理解复杂的局势是相当困难的，之前的AI只能通过输入的指令来改变其战略，比如如何购买物品、补刀、反补、推塔，这些全部都仅仅是已经录入的代码罢了，而且AI也不会根据不同的局势变更自己的指令。
在2017年初， OpenAI的团队在创意工坊上架了他们的第一个脚本机器人，作为试水作这个脚本击败了大多数的非职业玩家。然而研究人员无法继续将这个脚本继续编写以达到专业比赛级别的高复杂性水准，所以他们只能抛弃了基于V社提供规则的代码并且转而用增强式学习能力(RL)去取代之。
基于RL的AI其实并不是在正常的5V5的环境中接受训练的，而是被至于游戏中某个具有简化的规则和目标的自定义挑战任务中。
AI的目的性很简单，就是在一个圆形的地图上通过操作去击杀一个人为控制的英雄罢了，然而实现这个看上去很简单的目标要比预想的难得多，主要的原因在于真人的操作会和按照给AI设定的训练预测的操作不同。而为了解决这个问题，开发团队开始在训练中加入大量随机化的命令从而根据当前的状态去选择下一步的动作而不是循规蹈矩，比如英雄会在遇到地形阻碍的时候降速或者改变行动方向。
随机化提高了RL的策略性，并且使得AI能够在自定义挑战中已经可以慢慢的去学会如何击败当时的研究人员操作的英雄。
当研究团队将1V1目前表现下的AI技术应用到DOTA2中的中单SOLO机器人脚本中时该脚本的智能取得了飞跃式的增长，而且在2017年的7月时在中路SOLO赛的表演中击败了前职业选手William“Blitz”Lee 。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。