如果让人类和AI撸一局LOL，有胜率吗？

进入主题，今天我们将讨论主题如果使用人工智能玩LOL，它可以轻松赢得世界冠军吗？

一、人工智能技术和游戏的历史

让我们把时间追溯到1950年，当时人工智能的重要概念“ Turing Test”出现。如果仔细考虑一下，您会发现图灵测试的项目本质上是一种模仿对抗游戏。人工智能开始模仿人类说话，人类如何区分人工智能和人类本身，两者开始相互竞争。

pic01 图灵测试

2013年，Google宣布使用Deepmind深度学习技术来打破Atari游戏，人们开始关注深度学习技术。什么是雅达利？这个名字听起来很奇怪，您必须熟悉它

pic02 Atari

是的，Google在深度学习的早期就使用游戏来训练AI。据了解，在Alphago出现之前，谷歌一直使用Atari游戏来训练AI。

然后在2016年，Alpha Dog席卷了全球象棋选手。实际上，它也在名为Go的游戏中运行，并且地图为19x19网格。

2019年，在暴雪嘉年华的现场星际争霸游戏中，AlphaStar击败了职业玩家Serral并取得了很大的成绩。

pic03 星际争霸

此时，您将发现AI技术开发的整个历史都嵌套在游戏开发的历史中。

由于Go，Chess和RTS游戏可以帮助研究AI技术，根据这种逻辑，LOL和“吃鸡”又是什么游戏呢？ （斗地主不是问题）

第二，人工智能能否在LOL中赢得冠军？

让我从结论开始我暂时不能，但可以预见未来。

在分析此问题之前，让我们澄清一下LOL本质上是什么样的游戏。 LOL的游戏设计师似乎想模拟一场局部战争。由于这是一次模拟战争，必须分为战略层面和战术层面。

pic04 战略与战术

，就战术而言，我认为不使用某些方法可能会很好。作为像Alphago这样的superAI，它的响应能力几乎是飞秒，并且位置和运动A仅受网络速度的限制，基本上只有adc可以杀死他。使用多种技能来近距离平仓基本上是一种幻想。在卡片视觉控制或闪烁强力控制（例如Pan Sen ）的才能中，Lacus的q技能完全没用。这是代码比人更好的地方。犯错的是人，代码永远不会出错。

pic05 著名场景

为什么还没有出色的LOL AI出现呢？因为人工智能缺乏战略层面的东西。通常，在玩LOL时，我可能会做出以下战略决策开发，攻击，检测，协助和撤退。大家都知道，我不会详细说明这些。 Alphago之所以能够成功，是因为Go是一款完整的信息游戏，有人说Moba在战争迷雾中已成为一种不完整的信息游戏。如果计算机看不到我在做什么，它将无法以我为目标。这绝对是不对的。

由于我们提到了不完全的信息博弈，贝叶斯告诉我们仍然可以有一个最优方案。为了便于理解，您可以考虑遇到中路错过时的处理方式。我要么有远见，然后继续安心发展，要么我没有远见，然后回到塔楼躲起来。当我们将AI放入LOL时，它需要始终感知当前的游戏情况，做出下一步决定，走或停，进攻或后退，要使用的技能以及放置位置。这些决策通常可以基于当前的知识和计算能力量化为概率。这真的是不可能的，不是因为有蒙特卡洛，如果我不知道的话，我会再尝试几次来了解概率。换言之，人工智能可以模仿人类去猜测并作出最有利可图的决定。可以将AI设计成比您和我更诡计多端的设计。

三、那么玩游戏如何改善AI技术？

“我们最需要强调的是游戏AI研究的深刻意义，远远超过游戏本身。这是一个充满挑战和令人兴奋的研究主题。研究的积累经验，方法和结论可以在更广泛和更广泛的范围内使用。 -reaching范围的使用，它是开放虚拟世界与现实世界之间的障碍，以增强物理世界的能力，例如汽车和机器人的发展；，在游戏中研究智能对话或将成为人工智能的重要途径；第三，研究游戏中的人员，代理商和环境之间的相互作用可以使诸如智能城市之类的复杂而深远的项目受益。”

-人工智能实验室中心负责人刘涵

人工智能具有三项重要的能力感知，判断和对话。

Alpha Gou看起来很聪明，但在现实世界中，Go板只是2D图像数据。它反映了游戏获胜率中的每一步，从而“感知”了每一步的含义。棋盘上的棋子越来越多，感知环境也越来越复杂。

以游戏“ Doom”为例。让AI玩这个游戏，它感觉是一个2D游戏屏幕，面对屏幕，它需要感知环境中每个元素的含义以提高获胜率。只是这个游戏环境比Alphago面对的19X19电路板要复杂得多。

pic06 毁灭战士

这其实更加接近物理世界。

在我们的现实生活中，对车辆物体的识别，相机所感知的仅仅是二维图片。，如果游戏场景中的对象与现实非常相似，则它们可能是通用的。

像《侠盗猎车手》这类游戏，让AI去控制主角，然后就可以训练他的认知能力并为AI创建世界观。

pic07 侠盗猎车手

听起来像是胡说八道吗？抱歉，汽车的先驱特斯拉确实使用了专门设计的虚拟训练场来连续练习AI，以便它可以在短时间内准确识别各种物体和紧急情况。甚至由马斯克建立的实验室OpenAI，也真正学习了去年通过“侠盗猎车手”学到的一套系统。据称，每个人都可以只用一台计算机和一套正版游戏就可以开发系统！没错，实际上是我们玩过的侠盗猎车手，没想到。

pic08 GTA

人工智能可以通过游戏学习知觉，并且人工智能的决策是相同的。

在现实世界中，汽车需要根据实时感知做出决策，无论是向左转还是向右转，加速还是制动。此逻辑在游戏中也有效。面对复杂的游戏环境，人工智能需要始终做出决策以确保游戏的胜利。

如果将AI放入LOL，则它需要始终感知当前的游戏情况，对下一步进行决策，前进或停止，进攻或后退，要使用的技能以及放置位置。

除了感知和决策外，对话也是AI技术应用程序的一项重要功能，并且可以通过游戏来改善这些功能。例如，在著名的电影《她》中，爱上男主角的人工智能本身就是对白游戏。

pic9 “她”

在AI游戏使用人机对话，甚至直接将AI放入模拟对话游戏中。它可以帮助学习和理解人类自然语言的产生原理。

四，附言

简而言之，研究游戏AI很困难，但并非不可能。对游戏AI的研究不是要制作功能更强大的游戏插件，而是要使用游戏环境来研究任何环境的复杂交互。将来，这些研究结果可能会应用于物理世界的各个方面，这将是基础和长期的。

实际上，对于AI而言，请仔细考虑一下，我们的物理世界不是为此而玩的游戏吗？

“游戏”的胜利条件是无意外到达目的地。

“围棋”中要想胜利，必须确保赢的概率走向。

“人机对话游戏”的胜利条件是使人与AI难以区分。

尾对于人类来说，这个“世界”不也是我们大脑正在玩的复杂游戏吗？