乏善可陳的“VR年”過后，全球都將AI看作IT行業(yè)的新風(fēng)口。和AI一樣，電競也依托于虛擬網(wǎng)絡(luò)，這兩者存在非常巨大的互融空間。電競是AI的最佳試驗場，而AI的發(fā)展也會極大改變電競行業(yè)的面貌。但僅從TI7的solo對抗而言，說AI戰(zhàn)勝Dendi是劃時代的勝利還為時過早。

AI有沒有那么神奇

TI7期間，久違的Dendi出現(xiàn)在比賽現(xiàn)場。不過他過來并不是參加正式比賽，而是跟AI程序打了兩場solo友誼賽，0比2慘敗。吊打Dendi的AI來自O(shè)penAI公司，據(jù)說明年TI8它們就要組團跟人類選手打5v5比賽了。

整個2017年，AI被視為IT行業(yè)風(fēng)口，包括谷歌、騰訊、百度都在發(fā)力。OpenAI亮相TI7，很大程度上是在蹭熱點，solo戰(zhàn)勝Dendi說明不了太多。

人工智能？還早的很呢！

OpenAI的投資人包括了埃隆·馬斯克（Elon Musk），他麾下的特斯拉被視為世界上最好的電動汽車。他說：“OpenAI首次在電競比賽中擊敗了世界上最棒的選手，這比在象棋和圍棋那種傳統(tǒng)桌面游戲的范疇要復(fù)雜得多。”

不過這年頭，造電動汽車的不僅有馬斯克，也有賈躍亭。他們對自己產(chǎn)品的褒獎，不僅要聽其言，更要觀其行。

馬斯克這句話就有點偏離事實。

首先，這只是電競solo比賽，不是正式電競比賽。而且Dendi老司機現(xiàn)在是世界上最棒的選手嗎？剛拿到TI7冠軍的miracle笑而不語。

其次，舞臺上Dendi確實被OpenAI打的灰頭土臉，但隨后幾天各路玩家就用野路子教AI做電腦了。前Navi選手Pajkatt仙靈火大魔棒出門，直接懟翻；有人風(fēng)靈出門直接繞后勾兵，AI不知所措；還有人出門不學(xué)“死靈支配”學(xué)“影壓”，直接越塔擊殺正在專心卡兵的AI……

可見這個AI離完美還遠得很，微操無敵，大局觀堪憂，很容易被人類玩家針對。

第三，電競和象棋、圍棋，不能膚淺地說誰更復(fù)雜。

人類跟電腦是兩種模式，人類擅長擬人化抽象化，機器擅長數(shù)據(jù)化規(guī)模化。象棋、圍棋誕生于人類手下，但它的思維模式其實相當數(shù)據(jù)化。棋類游戲規(guī)則很明確，而且是回合制，所以AI比較容易取得算法上的突破。電競游戲誕生于電腦平臺，但它的思維模式卻非常擬人化，做AI算法的難度是相當高的。

簡單說，人類下棋易學(xué)難精，AI打電競也是易學(xué)難精，并不存在誰高誰下。

棋類AI與電競AI

前陣子，谷歌DeepMind開發(fā)的阿爾法狗完勝李世石和柯潔，被看做是AI的里程碑，其引發(fā)的轟動比早年深藍戰(zhàn)勝國際象棋第一人卡斯帕羅夫大得多。

為什么呢？

棋類AI的思路較為明確：利用電腦超高運算能力，把所有能走棋的路徑都走一遍，選擇勝率最高的路徑，這叫“樹搜索”。

和圍棋比，象棋變化相對較少。根據(jù)手頭查閱的資料，國際象棋窮舉變化數(shù)大概10的46次方，“樹搜索”比較容易成功。但圍棋窮舉變化數(shù)為10的172次方，比宇宙所有原子的總數(shù)還高幾十個數(shù)量級，也大大超越了當前計算機的窮舉能力。為此，DeepMind為阿爾法狗引入了學(xué)習(xí)和場上形勢判斷機制。它自己左右互搏，每天下幾十萬盤棋，每一盤棋都成為之后的經(jīng)驗。從結(jié)果看，DeepMind的算法很完美，阿爾法狗在棋盤上的學(xué)習(xí)能力是驚人的。

從單純暴力窮舉，到深度學(xué)習(xí)，這是了不起的進步。

當然，DeepMind的學(xué)習(xí)量也靠谷歌計算機強大的性能實現(xiàn)的。據(jù)說阿爾法狗有超過170個GPU，粗略估計有超過800萬核并行運算。

電競游戲AI設(shè)計，并不能完全照搬棋類AI。

初一看，電競游戲計算量比不上圍棋。但圍棋的決策機制是相當簡單的，只需要選擇一個點位下子就行，而電競游戲決策機制非常復(fù)雜（走位、攻擊、正補、反補、施法、使用物品、搶神符、開霧、打roshan），且存在非常多因果邏輯不明確元素。單個決策元素而論，電競游戲的變化數(shù)遠遠少于圍棋，但所有元素疊加在一起取乘法時整體變化數(shù)驟然膨脹。從這次solo比賽也能看出來，野路子玩家斷兵時，AI不知所措。說明在AI之前左右互搏學(xué)習(xí)過程中，并未遍歷到這一情形。

最關(guān)鍵的一點，圍棋是回合制，電競游戲卻是即時制。

在圍棋比賽中，AI落子前有足夠長的時間去進行“樹搜索”。而電競比賽中，形勢瞬間萬變，AI決策時間勢必要縮短。OpenAI的細節(jié)不得而知，據(jù)我猜測，AI的決策一定是離散化的，而且決策時間間隔與人類的APM差不多。證據(jù)是OpenAI官方說法“AI 的每分鐘操作數(shù)相當于人類玩家的平均水平”。按照人類平均APM為150計算，AI的決策時間差不多為70ms，只有圍棋比賽的千分之一到萬分之一。短短70ms中要算清場上情勢，對各種可能選擇進行優(yōu)劣判斷，難度太大。要想進行DeepMind那樣的樹搜索，OpenAI的性能必須在DeepMind的萬倍以上，這顯然不可能。

到這里，我們似乎可以理解官方所說的“該 BOT 通過自學(xué)從頭學(xué)習(xí) DOTA2，但并沒有使用模仿學(xué)習(xí)或樹搜索”。

非不為也，實不能也。

從TI7的表現(xiàn)來看OpenAI的學(xué)習(xí)才剛剛開始，很多局面根本應(yīng)付不來。這只是solo，正式5v5比賽的復(fù)雜度又上一個量級，對AI將是更大的挑戰(zhàn)。

據(jù)說OpenAI明年TI8會跟明星選手們打一場5v5，我建議：人類選手要想提升勝率，拼微操和團戰(zhàn)是不行的，野路子（增加AI決策的變數(shù)）才是王道，多換線，多開霧，多插眼，多使用隱身英雄，多使用推推等位移道具。

按圖靈的定義，如果一臺機器能與人類進行交互，而人類沒辦法分清楚它到底是機器還是人，這才是成功的AI。從這個角度看，五個AI打五個人類也不算稀奇，AI與人類的搭配才是終極考驗，不過這已經(jīng)是后話了。

成熟的AI對電競來說值得期待

就開發(fā)AI而言，電競游戲是最好的試驗品，因為它兼顧數(shù)據(jù)化基礎(chǔ)和人性化表象。游戲里的AI即便失敗，造成的損失也比較有限。除了OpenAI，谷歌也在跟暴雪展開合作，用DeepMind開發(fā)《星際爭霸2》的AI，這將給現(xiàn)實中的AI研究積累非常寶貴的經(jīng)驗。

盡管電競AI還處于起步階段，但未來的潛力不容小覷。數(shù)年前我們不也認為AI不可能學(xué)會圍棋的么？IT行業(yè)變化太快，永遠不要說“不可能”。

最后遐想一下，如果電競游戲里的角色有AI，游戲體驗將有革命性的提升，這或許將給游戲開發(fā)開拓新的領(lǐng)域。AI成熟后，AI代打必然泛濫，未來的電競游戲天梯或許也將失去意義。AI配合VR技術(shù)，未來人類會不會真的可能愛上游戲中的異性角色？不能想，太可怕了……