狂虐Dota2最强人类玩家的OpenAI是怎样炼成的
此次人机大战采取一对一模式，共进行三轮比赛。在第一场对战中，OpenAI机器人只用了十分钟就干掉了Dendi，Dendi甚至还一度大叫，“请放过我吧！”到了第二场比赛，Dendi被痛打几分钟后，就主动放弃了比赛，并拒绝进行第三场比赛。
人类又输了，而且输得还很惨！那么问题就来了，这位OpenAI机器人究竟是如何做到完虐人类的呢？答案就是“自学”。
新浪VR了解到，OpenAI机器人采取了“自我博弈（self-play）”的方式来学习打Dota，训练过程中并没有使用模仿学习或者类似于AlphaGo的树搜索技术。简单来讲，“自我博弈”就是通过自己与自己的复制品对打，而不是与人类选手对战，获得游戏经验。在“自我博弈”中，机器人与自己复制品的实力相当，就可以避免因对手太强或者太弱而学不到东西。而且，由于机器人的决策和操作速度远远超过人类，它就可以在短时间内用海量的比赛来迅速获得更多经验。
其实，“自我博弈”在此前AlphaGo的训练中就有过类似应用，AlphaGo曾经通过自我对弈3000万盘，来提高自己神经网络的精度。只不过，AlphaGo在自我对弈前，还曾被输入16万盘人类棋手的棋谱，通过海量棋谱来学习人类落子布局的特征；而OpenAI则是完全从零开始，在对Dota游戏世界没有认知的情况下就开始通过自我对练学习游戏方法。研发团队也表示，他们并没有为OpenAI机器人编入对战策略，没有为它指定任何战术，一开始也没让它与人类高手对练，而是让它“放飞自我”，随机行动，在一次次失败过程中逐渐掌握了游戏打法。...
16190
