腾讯AI击败王者荣耀职业队，全靠自学、策略清奇，一天训练量为人类440年

作者：问耕
来源：公众号量子位

责编：linse

王者峡谷，风云突变。

一场激烈的对战正在进行，左侧是五位人类职业电竞高手组成的赛区联队，另一方是……嗯？他们的对手没有出场？五个座椅空空荡荡？

不。他们的对手都在。

这是昨晚的吉隆坡，王者荣耀最高规格电竞赛事——世界冠军杯半决赛正在进行，期间有一场特殊的对决上演：五位电竞职业选手组成的赛区联队，对阵腾讯王者荣耀AI绝悟。

最终这场5v5的大战中，思路与人类迥异的AI战队耗时16分15秒，团灭电竞职业高手战队，推掉全部9塔和高地水晶。

这意味着，腾讯AI绝悟的能力，已经精进到王者荣耀电竞职业水平。

当然，对非职业玩家更是砍瓜切菜。

同日上海的ChinaJoy，绝悟向顶级业余玩家开放为期四天的1v1体验测试。首日的504场测试中，绝悟测试胜率为99.8%，仅输1场（对方为王者荣耀国服第一后羿）。

首次击败电竞职业队

这场比赛，五位电竞职业高手组成赛区联队。他们选择的阵容是：曹操（ESTARPRO.XIXI）、娜可露露（EMC.SUN）、武则天（NOVA.SEEK）、狄仁杰（KZ.NIGHT）、张飞（M8HEXA.MIKE）。腾讯AI绝悟（Wukong）选择的阵容是：达摩（AI_001）、雅典娜（AI_011）、王昭君（AI_100）、虞姬（AI_000）、牛魔（AI_010）。比赛开始，人类战队的水晶在左下角。

开局时，绝悟没选择传统人类对线走位策略，而是先放掉上路，由双C位英雄虞姬和王昭君先一起清理中路第一波兵线，压制敌方中辅。之后又转上路压制曹操血线。这种分配，没有经济倾斜。两人吃线，经济收益最大化，每个人都能获得80%。现场解说表示，AI对中路抢线权理解的很透彻。开局2分钟，绝悟率先推掉了赛区联队的上路1塔，扩大经济优势到5.1k：4.3k。开局2分半，赛区联队曹操击杀绝悟AI虞姬拿下一血，双方经济打平同为6.4k。4分24秒，绝悟四人追击娜可露露，达摩一脚将娜可露露反踢入AI中群殴，最终达摩拿下AI首个人头。这段时间，绝悟的雅典娜单带，而另外四个AI一直抱团。7分20秒，雅典娜反蓝成功，此时绝悟拿下3塔4人头20.9k经济，赛区联队拿下2塔3人头19.7k经济。现场解说认为绝悟的效率和团队协作方面，都表现出色。“在4-1转线方面，几乎是做得完美。”双方随即进入一段激烈交锋的阶段。8分48秒，绝悟一波团战0换2，并在全员残血的情况下，主动追杀赛区联队血量健康的曹操。不过绝悟也损失了血量最少的达摩，1换1。接着绝悟顺势开主宰。随后复活的赛区联队玩家赶来，团灭了绝悟战队，并拔掉中路2塔、反蓝成功。现场解说指出，AI的策略是“不想回家，打到弹尽粮绝。”这种方法，让带线效率更高。9分48秒，绝悟拿下5塔8人头28.2k经济，赛区联队拿下4塔8人头28.9k经济。又一分钟之后，绝悟连续拿下4个人头。其中包括10分25秒，赛区联队曹操在上路被残血的AI虞姬反杀。展现出绝悟1v1时良好的即时策略能力。又一分钟，绝悟推掉赛区联队中路高地塔。然而，赛区联队曹操绕后，紧接着来了一拨反打，收掉绝悟四个人头，AI战队仅剩雅典娜脱逃。但，赛区联队这一时间没能继续推塔，也没有拿下主宰。14分钟，反让绝悟击杀主宰。此时，绝悟拿下7塔13人头45.1k经济，赛区联队拿下6塔12人头43.3k经济。接着，绝悟开始不断的清理各路兵线，15分20秒，绝悟四人上路抱团，在主宰先锋的支持下，强开高地塔。双方爆发激烈团战，在AI王昭君和牛魔大招的加持下，绝悟最终打出一波1换5，赛区联队团灭。然而~对手团灭+两条主宰先锋上高地的情况下，绝悟却没有选择直接推水晶，而是秀了一波操作……绝悟四人，以轮流抗塔的方式，无兵线支持，推掉了还有三分之二血量的最后一座高地塔。现场解说高声喊：“太绝了。”16分15秒，绝悟推掉水晶，战胜赛区联队。最终，绝悟拿下9塔18人头56.2k经济，赛区联队6塔13人头48.0k经济。双方的出装和数据如下：

问答绝悟团队

在这次历史性的对抗之后，量子位与绝悟团队进行了更进一步的交流。

腾讯绝悟：5v5对战时最高规格电竞赛事——世界冠军杯半决赛的特设环节，是中国大陆/中国香港/韩国/马来西亚地区选手组成的赛区联队。世冠杯特别环节的水平测试，是5v5版本首次达到职业水平。

1v1版本的研发难度显著低于5v5版本。ChinaJoy上测试的是1v1版本，为首次公开对外测试，面向的是顶级业余玩家，AI总体实力十分强劲。

5v5版本是此次固定的十个英雄，职业选手可以自由出装。未来希望能不断扩大英雄池规模。

设定为跟人类极限手速类似，因为游戏本身普攻和技能都有攻速限制，因此总体是一个相对公平的测试。

训练使用384块GPU，8.5w核CPU，平均每天自对战局数相当于人类训练440年的量，训练周期持续训练半个月以上。

网络解码不需要太大资源，正常服务器即可。1v1版本已经有手机版本，目前在ChinaJoy对顶尖选手开放测试。

有些我们不会称为弱点，但很有意思的行为。
比如在此次测试中，最后不推水晶，要奖励最大化？赛事尾声，人类赛区联队团灭后，绝悟并未直接推水晶，而是在计算整体收益后，选择先推完最后一个高地塔，再推水晶直至胜利。这是人类一般不会做的事情，但这符合 AI 的价值观设定，就是最大化经济效益。前期策略上，很早就多个 AI 抱团，甚至愿意牺牲兵线，换取血量优势；中期超强的兵线运营策略；长期策略是一直保持游戏主动权；团战的目标选择和控制衔接也很完美，体现了很强的团队协作能力。
长期致力于游戏AI和多智能体研究的团队，部分成员来自围棋AI绝艺的团队。
绝悟的研发是算法+算力高度结合，需要极致优化的算力平台和持续改进的优化算法，团队综合了AI Lab的科研与工程人才资源，还联合了我们所在的腾讯技术与工程事业部（TEG）旗下基础架构平台部人才。主要工作包括模型、特征、算力、数据的优化，机器虚拟化、搭建和优化数据处理、并行计算和机器学习训练的平台。腾讯AI Lab一直是此类智能体研究的先行者。2016年起，研发的围棋AI绝艺（Fine Art），现担任中国国家围棋队训练专用AI；2017年，启动绝悟研发；2018 年，绝悟达到业余顶尖水平，腾讯还在射击类顶级 AI 竞赛VizDoom夺冠，并在《星际争霸2》首先研发出击败内置AI的智能体。目前绝悟只是实验阶段，没有在游戏内开放。

1v1版本在特定场合会做非常短期的测试，比如8月2日起在上海举办的国际数码互动娱乐展览会ChinaJoy，1v1版本会向顶级业余玩家开放为期四天的体验测试。

绝悟之路绝悟，是腾讯AI Lab和与王者荣耀共同探索的前沿研究项目：策略协作型AI。绝悟这个名字，寓意“绝佳领悟力”。这个AI的研发始于2017年12月。2018年12月，绝悟5v5对阵《王者荣耀》王者段位人类玩家，大战250局，拿下48%的胜率。现在，绝悟已经超越王者段位水准，达到职业电竞选手的层次。这次在吉隆坡和上海发威的绝悟版本，建立了基于“观察-行动-奖励”的深度强化学习模型，无需人类数据，从白板学习（Tabula Rasa）开始，让AI自己与自己对战。AI一天的训练强度高达人类440年。据腾讯介绍，AI从0到1摸索成功经验，勤学苦练，既学会了如何站位、打野、辅助保护和躲避伤害等游戏常识。而且，AI还探索出了不同于人类常规做法的全新策略。在上面的对战实况中，我们已经可以感受到绝悟的不同之处。绝悟的研发团队还创建One Model模型提升训练效率，优化通信效率提升AI的团队协作能力，使用零和奖惩机制让AI能最大化团队利益，使其打法果断，有舍有得。游戏中测试的难点，是AI要在不完全信息、高度复杂度的情况作出复杂快速的决策。在庞大且信息不完备的地图上，10位参与者要在策略规划、英雄选择、技能应用、路径探索及团队协作上面临大量、不间断、即时的选择，这带来了极为复杂的局面，预计有高达1020000种操作可能性，而整个宇宙原子总数也只是1080。如果AI能在如此复杂的环境中，学会人一样实时感知、分析、理解、推理、决策到行动，就可能在多变、复杂的真实环境中发挥更大作用。腾讯副总裁姚星表示，“电子竞技”将成为策略协作型AI“绝悟”未来短期内的主要应用场景。而长期应用上，绝悟将是腾讯攻克通用人工智能（AGI）的关键一步。此前，腾讯另一个AI绝艺，在围棋赛场上大杀四方。当然对人工智能来说，王者荣耀是一个比围棋复杂太多的难题。

绝悟背后的技术

对于这次的绝悟，腾讯AI Lab表示将通过论文等形式进一步分享技术细节，通过开放研究，帮助和启发更多研究者。

在这我们回顾一下腾讯此前发布了一篇关于王者荣耀的论文。在这篇论文中，腾讯表示绝悟是一个基于学习的分层宏观策略（Hierarchical Macro Strategy）模型。经过这个模型的熏陶，控制每个英雄的智能体就既能独立做出决策又不忘与队友沟通，成为顶尖选手。

名字里的“分层”，指的是这个模型分为注意力层（Attention Layer）和时期层（Phase layer），前者用来预测英雄该去哪儿，后者负责识别游戏进行到了什么阶段，是前期、对线还是后期。

我们先看注意力层，也就是AI怎样判断它的英雄该去哪儿。

培养这项能力，首先要有合适的训练数据，而在王者荣耀里，想判断英雄“到了这儿”，最合适的标准莫过于“在这儿打起来了”。

于是，腾讯在标注训练数据时，把下一次攻击发生的地点，定为英雄现在该去的地点。

比如说上图就以韩信为例，展示了游戏开局时英雄该往哪走。其中左侧显示的是游戏在初始阶段s-1时的状态，中间和右侧红框标出的ys、ys+1显示的是韩信进行第一、二次攻击的位置，也就是他在s-1、s两个阶段该去的位置。

AI的目标，就是学会在s-1阶段该准备去y位置，在s阶段该去ys+1位置。

用这样的数据训练注意力层，就能让AI掌握英雄移动的奥义。

知道了该去哪还不够，要想上王者，还得会判断局势，调整策略。这就是时期层的工作了。

想知道游戏进行到了前期、对线期还是后期，只靠时间当然不够。好在游戏里主要资源的状况和阶段密不可分。比如说，如果英雄还在以推外塔打暴君（小龙）为目标，那游戏一定刚刚开局；如果打到了敌方家里，那当然是后期了。

所以，教AI判断局势，根据的也是对敌方主要资源的打击状况，包括塔、暴君、主宰（大龙）和水晶（base）。

上图显示的就是时期层关注的敌方主要资源，模型要从中学会的，是根据资源状况来判断现在该打击什么主要资源了，并进一步判断要完成哪些小目标。

比如下图显示的偷蓝buff（野怪）、清下路兵线，就都是推一塔这个时期的小目标。

能分析局势、确定目标，还知道该往哪儿走，剩下的就是队友之间的沟通配合问题了。

不过要学沟通，真的没什么人类对战的数据能拿来训练。毕竟人类队友的沟通充满怨念

于是，腾讯设计了一种全新的跨智能体沟通机制，用队友的注意力标签来训练AI，让它学会预测队友要往哪走，并据此做出决策。

就这样，一支队伍中的5个智能体就可以协作了，也算是一种“沟通”机制吧。腾讯称之为模仿跨智能体沟通（Imitated Crossagents Communication）。

— 完 —

扫码关注人工智能头条 围观一个假的 AI