随着《GG》在欢声笑语中响起，AI在游戏领域取得了又一个里程碑式的胜利。
没错，AI已经开始突破Dota2的5V5团战了。
OpenAI开发的人工智能团队首次在5v5 Dota2黑团战中击败了一队人类玩家。
这种可以团战的AI被称为OpenAI Five，它是OpenAI的最新研发成果。
OpenAI Five 完全通过自玩来学习玩 Dota 2。
据说每天的战斗量相当于人类的年数。
而惊人的硬件消耗也应该是一个记录：1块GPU和128,000个CPU……OpenAI Five的网络架构图在这场比赛中，人类与五位业余选手进行了比赛，但在这场比赛之后，OpenAI在其官方博客上宣布，挑战职业战队，设定8月份击败国际顶尖职业战队的目标（仅限英雄群条件下）。
事实上，这并不是OpenAI第一次公开尝试Dota 2。
早在去年，OpenAI就在Dota2 1v1比赛中击败了人类选手Dendi。
从深蓝到AlphaGo，再到现在的Dota 2，人工智能与人类的较量一直是计算机科学领域的一个有趣的传统。
“强大”的AI对手在FPS游戏中，尤其是FPS游戏中的威力是显而易见的。
在相同的信息输出和接受相同的信息输入的情况下，人工智能可以在大多数FPS游戏中碾压人类玩家。
与围棋不同，FPS游戏是在最短的时间内处理游戏给你的信息，你在将其输入游戏之前做出极快的反应。
与人工智能相比，人类在这两件事上都不擅长。
抛开不需要团队合作的1v1游戏模式，就5v5协作竞技游戏而言，以目前流行的Dota（以及DOTA2）和LOL为例，理论上来说，复杂的英雄、物品、配合、长期性短期策略的结合等等让我们感觉现阶段的团队型FPS游戏对于AI来说是比较困难的。
不过从实际表现来看，AI的表现还不错。
一般FPS游戏中，主要信息输入主要包括3D画面、3D声音、HUD（数值数据信息）三个因素。
以下图为例。
上、下、左、右四个分区HUD。
除了右下角之外，可以说都很重要。
然而，当你需要集中精力处理卡点时，分时处理就变得困难了。
对于人工智能来说，这一切都变得非常简单。
AI可以同时处理这三类信息，速度可以达到给定的FPS，即每秒可以分析60帧或更多。
AI不存在人类分时处理的问题。
AI完全可以构建另一个信息子系统来接管HUD信息，就像AlphaGO的胜率估算系统一样，为决策系统提供数据支持。
就3D声音而言，人耳可以进行简单的声源位置识别，因此3D游戏的声源会与3D模型进行绑定，并对声源进行一定程度的高低处理，左和正确的音量，将模拟空间声音。
然而，在听觉定位上却存在着难以克服的缺点。
AI可以对标准化的枪声和脚步声进行采样，然后定量识别游戏对声音的处理，并精确逆向计算出声音所代表的位置。
翻译成你们人类能看懂的图就是这样：当然，一些经验丰富的职业玩家可以通过耳机声音的细微差别来识别敌人的位置，但AI可以完全实现声音“透视”，并且多方位。
处理器系统 绝对不存在只有人类才有的“注意力”问题。
然而在Dota2比赛中，虽然AI赢得了比赛，但也依靠了很多限制。
例如，比赛双方使用五个固定英雄：瘟疫法师、冥龙、矮人火枪手、水晶室女、巫妖；禁止使用幻象和分身等。
熟悉Dota的玩家都知道，英雄选择的限制实际上大大降低了游戏的复杂度，而隐身、肉山等禁令也缩小了战略战术选项的选择范围；至于五个无敌信使，则更像是5个AI之间协作能力（或许不太理想）的妥协。
除了对抗之外，AI和游戏还有更多的实现场景。
显然，研究AI与游戏玩家的对抗只是AI在游戏行业落地的一个分支场景。
英伟达全球副总裁兼中国区总经理张建中先生在接受采访时表示，人工智能有四个创新领域已经落地，分别是自动驾驶汽车、AI城市、健康产业和AI游戏。
由此，我们可以看到AI与游戏结合的巨大发展潜力。
社交网络正在消亡，游戏正在取代。
智相对论分析师柯明认为，除了游戏对抗之外，AI落地游戏场景仍有很大潜力：1、“神队友”提升游戏乐趣。
目前我们提到的AI辅助游戏更多的是基于深度神经网络以及人工智能技术在各大游戏行业的应用。
AI游戏从技术和内容提供商渗透，直至游戏到达最终玩家，在多个方面为游戏“增值”。
人工智能不同于基本的计算机程序。
回顾上世纪许多电子游戏中的“愚蠢NPC”，让人哭笑不得。
此类游戏中的“人工智能”只是由代码和命令组成的“伪智能”。
NPC的更多行为仅由行为树决定，不具备学习能力。
不过，随着AlphaGo、OpenAI等AI开发平台的出现，依靠更加成熟的算法和学习能力，极大增强了游戏的可玩性，提高了玩家的满意度。
比如最近王者荣耀AI的用户可以体验到，只要在游戏过程中发现有人掉线，AI就会无缝连接，让AI替该人完成游戏。
谷歌旗下DeepMind还宣布将与暴雪娱乐合作开发AI，以增强玩家在《星际争霸2》游戏中的游戏体验。
微软此前开源了基于《我的世界》的AI开发平台，允许用户使用God Mode来测试游戏中的AI。
例如，开发者可以在《我的世界》中教AI如何爬山。
一些开发者通过视觉输出训练AI在《我的世界》中放置积木，但结果并不理想，这也反映了当前AI快速发展的需要。
2、“让产品更加精致” 随着电子竞技成为2018杭州亚运会正式比赛项目，比赛成为竞技项目的同时，比赛和比赛的公平性也成为重要问题。
游戏领域人工智能的一种形式是反作弊系统。
人工智能机器可以检测玩家行为并分析异常情况，防止部分玩家使用作弊手段获胜，保证游戏的公平性。
产品优化无非体现在两个方面。
一方面是增强游戏角色的真实感，另一方面是游戏场景设计。
在增强角色真实感方面，爱丁堡大学推出的PFNN技术可以通过神经网络学习快速生成动画，效果显着。
DeepMind 训练了一种名为 WaveNet 的人工智能来提高机器声音的保真度并增强场景感知。
其他方面，国内外各大机构也看准了AI游戏的“香馍”，纷纷试水。
普林斯顿大学团队正在通过研究自动驾驶来帮助人工智能游戏。
它将人工智能融入到游戏中，让AI在游戏环境中不断训练，使其在面对不同的光照、气候、路况等条件时能够做出最优的反应。
最终，研究人员成功开发了一款名为 DeepDrive 的自动驾驶模拟器。
3、用游戏AI反映现实，在游戏领域开发AI应用与其他实现场景有些不同。
游戏作为一种虚拟的存在，也是现实的反映。
因此，游戏中物体在虚拟场景中遇到的各种感知和决策问题，在生活中也会遇到。
游戏中此类问题的处理过程和解决方案也可以逆向应用到现实生活中。
腾讯AI Lab机器学习中心负责人刘瀚认为，游戏AI涉及三大核心能力：外部环境的感知、基于状态的决策以及人与智能体的对话。
在游戏AI研究中，这些研究积累的经验、方法和结论可以用于三个方向：第一，打通虚拟世界和现实世界之间的壁垒，从而赋能物理世界，比如无人驾驶汽车的发展，机器人；其次，游戏对话智能在中国的研究可能成为强人工智能的重要路径；第三，研究游戏中人、智能体和环境之间的交互可以使智慧城市等复杂且影响深远的项目受益。
例如，无人驾驶汽车的训练就是人工智能在虚拟环境中驾驶的一个应用例子。
而且这样的案例还会越来越多。
另一个例子是城市交通问题。
人工智能和大数据可以帮助建立城市流通模式，构建虚拟城市。
游戏设计也有利于真实的城市交通。
总之，将人工智能在游戏中的应用简单地视为人机对抗是狭隘的。
AI连接的虚拟与现实在游戏场景中具有巨大潜力。
虽然目前AI的应用还有很长的路要走，但国内两大游戏巨头腾讯、网易也已经进入市场，AI游戏的未来或许不会太遥远。