欢迎来到安博电竞注册网官方网站!
安博电竞 > 安博电竞战队 > 最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

来源:安博电竞注册网 作者:安博电竞

TI8冠军OG

TI8冠军OG

  文章来源:机器之心

OpenAI 今日宣布,它们的游戏人工智能 OpenAI Five 将于 4 月 13 日与人类进行最终决战,此次比赛的对手是 Dota 2 世界冠军团队 OG。

  虽然在去年 8 月的 Dota2 国际邀请赛(TI8)上,OpenAI连续输给 paiN 以及由大 B 神、xiao8、430、ROTK、狗哥这些中国 Dota 届元老组成的战队,但 OpenAI 并没有因为挑战失败而放弃尝试。这一次他们直接选择了与 TI8 上的冠军团队过招。

  看来在最近 6 个多月的时间里,人工智能又学会了一些新的技术?

  这次比赛的规则类似于 TI8 时 OpenAI Five 与职业战队的比赛:

18 名英雄可选:斧王、水晶室女、死亡先知、撼地神牛、矮人直升机、巫妖、巫魔巫师、死灵法师、痛苦女王、剃刀、隐刺、影魔、斯拉克、矮人火枪手、斯温、潮汐猎人、冥界亚龙、巫医。镜像匹配:瘟疫法师、矮人火枪手、冥界亚龙、水晶室女、巫妖。

无圣剑、魔瓶

无召唤物,无幻象

无扫描

  值得注意的是,TI8 比赛期间,去除掉了‘5 个无敌信使’的限制,因为这个条件会极大的影响游戏的真实性。

本次 OpenAI Five Finals 赛事直播地址:https://www.twitch.tv/openai

比赛时间:北京时间 4 月 14 日凌晨 2:30 分(美国太平洋时间 4 月 13 日 11:30)

  OpenAI Five:挑战人类的成与败

  人工智能在围棋上击败人类之后,很多技术人员就开始展望 AI 在视频游戏中的表现了。2017 年的 Dota2 国际邀请赛 TI7 上,OpenAI 推出的人工智能横空出世,在人类巅峰对决的比赛现场 1v1 打败了世界顶级玩家。

  在那场一对一表演赛中,OpenAI 的人工智能打败了 Danylo “Dendi” Ishutin,一名在职业生涯中赢得超过 70 万美元奖金的职业玩家。OpenAI 的 bot 在第一场比赛开始约 10 分钟打败了 Dendi。在第二场比赛中 Dendi 放弃,并拒绝进行第三场比赛。

最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

  Dendi 在比赛前接受采访,作为第一个在公开比赛中被 AI 击败的职业选手,他领教了人工智能在单挑时的应变能力。

  单挑可能还不具有太多说服力,Dota2 是一个 5v5 的多人对战游戏,很快 OpenAI 就开启了更为正式的‘10 人对决’之旅。2018 年 6 月,这家公司提出的‘OpenAI Five’又在 5v5 多人对局中击败了由前职业玩家、游戏解说组成的天梯 6000 分级别战队,并宣布会于 TI8 上亮相和真正的职业选手过招,一时吸引了人们的关注。

最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

  Dota2 是目前全球最为流行,也最复杂的电子竞技游戏之一。其最负盛名的赛事‘TI’每年都会吸引上千万玩家的关注。

  面对 AI 的挑战,人类跃跃欲试,在 TI8 上很多参赛队伍都报名想参加 OpenAI Five 的比赛,OpenAI 遇到的第一个对手是来自巴西的战队 paiN,后者也是 TI8 决赛阶段第一支被淘汰的队伍。有了 AlphaGo 的‘前车之鉴’,人们纷纷预测 AI 稳赢,然而人类职业玩家却让 OpenAI 尝到了失败的滋味。

  paiN 选择了开雾直接冲进天辉野区,四人围攻落单的潮汐,抢到了一血。OpenAI 也展示出了人工智能‘不聪明’的一面,在塔下不断插眼。虽然在随后的比赛中双方有来有往,但人类玩家逐渐掌握了计算机的套路,在 50 分钟的比赛后打爆了对方的水晶。

最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

  在 Open AI Five 对阵 paiN 的比赛中,人工智能对于自己获胜概率的预测。

  这场失利让大家对于 AI 的期待有所下降,随后在第二场比赛中,由 Burning、Xiao 8、430、ROTK 和 Sansheng 组成的‘中国 Dota2 元老队’也顺利击败了 OpenAI Five,让人工智能的 TI8 之旅最终以失败告终。

最终决战!OpenAI将挑战Dota2最强战队TI8冠军OG

  第二场比赛中,人类用了 45 分钟拿下胜利,人头比 48 比 43。

  解决 5v5 的核心问题

  虽然首次挑战职业玩家没有成功,但 OpenAI Five 的尝试为人工智能领域技术的发展有着很大意义——它解决一个重要问题:强化学习在如此复杂、需要长期策略的游戏环境下是否依然奏效?