腾讯王者荣耀AI论文首次曝光：五AI王者局开黑与人类战队打成平手

编者按：本文来自微信公众号“量子位”（ID：QbitAI），作者 夏乙 问耕 ，36氪经授权转载。

王者峡谷可能马上要被AI支配了！

腾讯刚刚发布的一篇论文显示，王者荣耀AI在不声不响间，又掌握了新的技能：组团开黑。而且战绩不俗。

5个各自独立的王者荣耀AI学会开黑技能后，5v5对阵《王者荣耀》王者段位人类玩家，大战250局，一举拿下48%的胜率，几乎可算战成平手。

不得了。

上个月，王者荣耀体验服开启了困难等级的人机练习模式测试，据说机器人只有铂金段位的水平，然而已经让一票大牛觉得不好打。

现在王者段位水准的AI已经出现了，就问你怕了没。

王者荣耀AI难在哪里

腾讯去年就隐隐约约的透露在搞王者荣耀AI。

有时说得“明目张胆”，有时又显得有点“遮遮掩掩”。去年，腾讯高管就曾透露下围棋的绝艺，正在尝试学打王者荣耀。

在最新披露的论文里，腾讯表示虽然AlphaGo已经是AI里程碑，但下围棋与现实世界相比，仍然是一个非常简单的问题。

更复杂的问题是实时战略（RTS）游戏，而其中最受欢迎的分支是MOBA游戏，包括Dota、英雄联盟以及王者荣耀等等。

一局王者荣耀平均时长20分钟，大约相当于2万帧。

围棋一局通常不超过361手。

在每一帧画面中，玩家需要在数十个选项中作出决定，包括有24个方向的移动键，以及一些技能键，有的技能键还有方向。及时经过大幅简化和离散化，以及把响应时间增加到200ms，动作空间的数量级仍有101500。

而围棋的动作空间约为10250。

至于状态空间，王者荣耀地图的分辨率是130000×130000像素，每个英雄的大小是1000像素。在每一帧，每个英雄都有不同的状态，如血量、等级、经济等等。即便经过大幅简化，状态空间仍有1020000。

总结如下表，两个字：复杂。

王者局5v5开黑战绩亮眼

即便这么复杂，腾讯还是取得了突破。

来看看AI是怎么打农药的。

先看看开局，这是最重要的阶段之一。下面的四张注意力分布图，这些代表着AI学会的不同开局策略。四张图从左到右，分别是：貂蝉（法师）、韩信（刺客）、亚瑟（坦克）和后裔（射手）。

可以看到，AI貂蝉在开局阶段重点关注中路外塔，AI韩信关注本方上路野区蓝Buff，AI亚瑟和AI后裔关注本方下路野区红Buff。没有列入的第五个英雄AI宫本武藏，会去守卫本方上路的外塔。

这就是一个王者荣耀的常见开局。

随着游戏的推进，AI对走位的注意力也会逐渐发生变化。通过下面这个图表可以看到，随着时间的推移，AI各个英雄之间的走位也会越来越近。

这种分工联动是这次王者荣耀AI最大的提升之处。

说结果。升级之后的王者荣耀AI，为了验证自己的实力，开始找人类练手。五个AI组队开黑，与人类玩家5v5大战250局。最后，AI战队的胜率达到了48%。

这些玩家都是王者段位，属于人类玩家中Top 1%那一部分。

腾讯在论文中表示，AI战队取得的人头数，比人类战队少15%；而在推塔、团战率和经济获取方面，与人类战队相当。

在开局前10分钟，AI战队比人类战队要多推掉2.5个塔。10分钟之后，由于团战能力较弱，双方的推塔数量逐渐接近。这个特点被腾讯归纳为：AI在宏观战略的制订方面，已经接近甚至优于人类高手。

王者AI背后的算法

AI逼平人类王者，靠的是什么手段？

答案是，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。

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）。

论文

这篇论文名为：Hierarchical Macro Strategy Model for MOBA Game AI

地址：https://arxiv.org/abs/1812.07887v1

作者：Bin Wu、Qiang Fu、Jing Liang、Peng Qu、Xiaoqian Li、Liang Wang、Wei Liu、Wei Yang、Yongsheng Liu，来自腾讯AI实验室。

关于第一作者Bin Wu，量子位查了一下，他现在是腾讯AI实验室的高级研究员，也是王者荣耀AI算法设计和开发的技术负责人。

此前，他还还是腾讯一个量化交易项目的核心成员，负责机器学习算法的设计和开发。这个团队搞的模型，已经获取了70%的净收益，2017年在A股市场的回报率为5%。

公开的资料显示，Bin Wu于2016年12月加入腾讯至今。此前，他曾在百度供职一年，负责Duer相关的项目。

2011年，Bin Wu本科毕业于上海交大，2015年在香港科技大学获得博士学位。

好了，王者荣耀AI的故事就讲到这里。

今天下午3点，KPL秋季赛的总决赛开战。