周末，OpenAI在DotA 2全球顶级赛事TI7（The International）的 中单1v1比赛中击败了顶级选手Dendi 。OpenAI的发起人之一，硅谷钢铁侠马斯克还顺势 连发三条twitter，赞赏OpenAI，谈监管，谈AI的风险 。
但关于这个参赛的AI，大家并不是非常了解，因此对于这次胜利的解读，夸大其词者有， 质疑其并非突破 者也有。
直到今天，OpenAI终于在官方博客上公布了人工智能打DotA技术的进化历程、（部分）技术细节，以及和更多选手对战的视频，以及怎样打败这个AI。
成绩
我们在DotA 2上取得的结果表明，只要具备足够的计算能力，自我对抗可以使机器学习系统的水平超越人类（目前仅限于中单1v1）。
在1个月时间里，我们系统的水平从只能匹配高段玩家上升至能击败顶级职业选手。自那时以来，系统仍在继续得到优化。
有监督深度学习系统的性能取决于训练数据集，但在自我对抗系统中，随着系统变得更强大，可用数据也会自动得到优化。
下图是AI的TrueSkill得分：
随着时间发展，我们最好的AI的TrueSkill得分也在线性提高。TrueSkill是通过AI之间进行模拟游戏，观察胜率来计算的，相当于国际象棋的ELO评分。
TrueSkill得分的提高与系统各部分的改进都相关，为算法增加新功能、扩大规模都能提高得分。
AI怎样打DotA？
完整的DotA游戏是5v5对抗，但在某些巡回赛中也可以看到中单对抗。
我们的AI按照标准巡回赛规则来玩游戏，我们没有在1v1比赛中加入任何有利于AI的简化。
AI通过以下界面来操作：
-
观察：bot API功能使AI可以像人类一样观察，包括英雄、兵线和附近地形。游戏是部分可观察的。
-
操作：通过bot API进行操作，操作频率与人类选手相仿，具体操作包括移动位置、攻击其他单位，以及使用道具。
-
反馈：在获胜后AI可以获得激励。基于其他基本指标，例如血量和补刀，AI也可以获得激励。
我们将十余种装备合成方式列入白名单，供AI使用，并选择其中一种进行评价。我们还利用传统的RL技术来训练最初的控兵线技巧。
开发历程
项目进程如下所示。下文提到的MMR全称Match Making Rating，也就是比赛匹配分级，相当于天梯积分。在DotA 2中，15%的玩家天梯分低于1500，58%的玩家低于3000，99.99%低于7500。
-
3月1日：我们首个经典的增强学习系统配置于简单的DotA环境中。
-
5月8日：天梯1500分的测试者表示，他的水平提升速度要高于AI。
-
6月初：AI击败了天梯1500的测试者。
-
6月30日：击败了大部分天梯3000分的测试者。
-
7月8日：在对抗天梯7500分的半职业选手时，取得首胜。
-
8月7日：3比0击败Blitz（前职业选手，天梯6200）、2比1击败Pajkatt（职业选手，天梯8500）、3比0击败CC&C（职业选手，天梯8900）。他们都认为，SumaiL知道如何击败这个AI。
-
8月9日：10比0击败Arteezy（顶级职业选手，天梯10000）。他也认为SumaiL知道如何击败AI。
-
8月10日：6比0击败SumaiL（顶级中单职业选手，天梯8300）。他认为这个AI是无法击败的。在与8月9日的AI对抗时，他取得了2比1的成绩。
-
8月11日，2比0击败Dendi（前世界冠军、天梯7300的职业选手）。在对抗8月10日的AI时，这个AI取胜概率达到60%。
TI
我们的方法是将少量的“教练训练”与自我对抗结合在一起。这使得我们在周一到周四国际邀请赛（TI7）期间能大幅优化AI。
周一晚间，Pajkatt使用了不太常见的装备合成方式（购买了早期魔杖），并取得了胜利。我们随后将这种装备合成方式加入到训练的白名单中。
周三下午1点左右，我们测试了最新版AI。这个AI在第一波对抗中损失了相当一部分血量。我们一开始打算把代码回滚，不过又注意到，随后的游戏变得更有趣，而第一波对抗中的严重失血只是为了诱敌深入。进一步的自我对抗修复了问题，AI学会了应对诱饵策略。与此同时，我们将其结合至周一版本的AI，只用于第一波对抗。在Arteezy下午4点到达的20分钟前，我们完成了整个流程。
在与Arteezy的赛后，我们升级了控兵线模型，这使得TrueSkill评分增加了1分。在周四与Sumail的比赛之前，进一步的训练让TrueSkill评分又增加了2分。Sumail指出，AI学会了在对手视野外放技能。这基于我们此前从不知道的机制：在对手视野之外放技能，对方英雄就积累不到魔棒点数。
Arteezy也和我们MMR 7.5k的半职业测试版进行了比赛，几乎取得了胜利，但是，AI采用的一种策略令他惊讶。Arteezy随后表示，中国顶尖职业选手、iG.V战队的中单Paparazi（拒绝者）曾在和他的比赛中用过一次这种策略，但这并不是常见行为。
如何击败AI
尽管Sumail认为这个AI是“不可击败的”，但在某些非常少见的情况下，AI仍有可能被迷惑。我们在国际邀请赛的一场LAN活动上搭建了AI。玩家进行了超过1000盘游戏，尝试任何可能的方式去击败AI。
成功击败AI的策略主要包括3种类型：
-
拉兵线：玩家可以在AI的二塔和三塔之间，反复吸引刚产生的兵线来追你。最终将会有大量兵线在地图上追你，而AI的防御塔将被磨血。
-
毒球和风灵之纹：在1级情况下，这样的装备组合大幅提升玩家相对于AI的移速，从而快速拿到一血。你需要利用这样的优势去再次击杀AI。
-
1级强推：这需要大量技巧，但有几名MMR 6k到7k的玩家靠在1级短时间内放3-5次技能，击杀了AI。
解决1v1中的这些问题类似于解决Pajkatt提出的漏洞。但在5v5情况下，这样的漏洞无法使用。我们需要一种系统，能处理从未见过的奇怪局面。
基础设施
我们还没有打算完整地讨论这个AI的内部原理，团队目前专注于解决5v5问题。
项目的第一步，是搞清楚如何基于实体GPU在云计算平台上运行DotA 2。
在GPU云计算实例上，游戏显示了出错消息。在Greg的个人GPU台式机上，也就是比赛中用的那台主机运行时，我们注意到，在连接显示器的情况下DotA可以启动，但在没有连接显示器时仍然显示出错消息。因此，我们对云计算GPU实例进行了配置，伪装已连接了显示器。
DotA目前并不支持定制的专用服务器，这意味着在没有GPU的情况下只能使用缓慢的软件加速。我们随后开发了一种机制，禁用大部分的OpenGL调用，仅仅保留了启动所需要的部分。
与此同时，我们开发了脚本机器人。考虑到内置机器人在1v1情况下表现不是很好，我们需要一个基准作为参考，并理解机器人API的所有语义。
这个脚本机器人在10分钟时间里完成了70次补刀，但仍落后于优秀的人类选手。
目前最优秀的1v1机器人能达到97次补刀（在此之前塔已经推掉，因此这个数字来自于推测），而理论最高值是101次。
如何解决5v5？
1v1很复杂，但5v5更加复杂。我们知道，我们需要进一步推动AI向前发展，解决5v5的问题。
我们可以从行为复制着手。DotA大约每天有100万盘公开比赛，这些比赛的回放会在Valve的服务器中保存两周。
我们下载了自去年11月份以来所有专家级的回放，积累了包括580万盘比赛在内的数据库（每盘比赛约45分钟，有10名玩家参与）。我们使用OpenDota去分析这些回放，并捐出了1.2万美元（相当于他们10年的筹资目标）去支持这个项目。
当然，在博客的最后，OpenAI再次表达了“我们要招人！”
