&DOTA2教学：如何从录像中提高自己的游戏水平
DOTA2教学：如何从录像中提高自己的游戏水平
日06时18分来源：
因为我又请不起教练又找不到合适的教程，所以只好研究回放录像(replay)了。看着看着我突然发现：这种方法他喵的比看攻略好用多了。以下就是我的分析步骤。
第一，你要搞明白爬天梯时候的定位：是玩carry，还是辅助，亦或是游走？
这一点其实很重要，因为你最好能专精于一类角色。我也知道很多人不喜欢一直玩大哥或者一直玩辅助，但是换来换去要记住的东西太多脑袋可能会爆炸哎。所以先从一个定位练起，玩溜了再换不是更好吗。
与此同时，你最好选一个自己能玩的开心的定位。比方说我就很喜欢沙王，不仅因为他的技能很独特、逃生技能多， 而且就算我电脑再卡ping再高我也能shift一套技能打出来。
第二，就像看攻略一样，你需要找个靠谱素材来学习，录像replay和直播都可以。
找个高分的、和你一样定位的玩家，坚持观看学习他的录像。你可以在Dotabuff, opendota以及各种渠道上找这样的学习对象。我个人觉得吧，其实那些代练或者小号玩家才是最值得学习的对象，因为很多出装选人战术啥的其实都是和分数段息息相关的。
比如说，如果你跟我两场比赛的录像，双方的10个英雄是一样的，但一个是2k段的另一个是5k段的局，那我可能会教你完全不同的打法甚至做完全相反的事情。在5k分的局里面，你不能埋头刷野，因为这样你的队友4打5很容易输；相反的在2k分的游戏里，你就应该带线刷野不参团，因为你带着菜鸡队友去5v5打架估计打不赢的。所以在低端局的回放录像分析自己有没有集火目标，有没有漏放技能，切入时机对不对之类的都是没有意义的，因为一开始你就不需要参团打架。
这也是我觉得代练、小号他们很值得学习的原因。看看他们在你的分数段里是如何有效率的一路碾压过去。我知道很多人反对代练和开小号，但我从他们那里确实学了很多快速上分技巧。如果你有天梯分很高的朋友，你可以问问他们有没有小号可以借你看看录像，学习一下。
此外你也可以关注那种会跟观众互动，乐于教人的dota主播。但请记得你是在跟着主播学习，要认真的看。你坐在家里喝着啤酒看NBA是永远无法成为勒布朗詹姆斯，同理边看RTZ的直播一遍在他漏刀时发CS LUL的弹幕也不会让你成为天梯大神。
第三，找到了合适自己的学习素材 之后，我们就可以来分析一下大神们的玩法和思路了。
请注意：要完全搞明白一个大神的思路，你至少得分析50盘录像。
录像分析的目的其实是为了弄明白以下这些问题
1.了解基本的行为模式
2.游戏早起/对线期的总体思路/重点
3.游戏中期的重点
4.游戏后期的重点
5.对线期的细节点
6.中期的细节点
7.后期的细节点
8.每盘游戏因为英雄不同而独有的特点
9.至少有80%的时间你能预测这个大神接下来会做什么
录像分析是为了让我们更好的预判大神的行为模式，所以只有当我们自己能像他一样思考理解游戏的时候，我们才能更准确的预判他在不同情况下会做什么。这样当我们自己在爬天梯的时候才能更胸有成竹。如果你分析的透彻的话，一个月差不多能上升1k分。
与此同时，你也要清楚的认识到哪些因素可能会阻碍你上分：
1.心态。这是最直接的一个因素，因为录像分析又花时间又繁琐。我自己是这样客服心态问题的：不要总想着上分，把注意力集中在录像里的知识点上，这样不管我的队友有多菜，我都有信心能赢下比赛，迟早能上分成功。我也很推荐另一篇reddit帖子，讲到了如何在各种局里调整心态不自暴自弃，很适用于美服欧服这种容易排到无法沟通的队友的情况。
2.四阶段的能力认知： (1)不知道自己菜—(2)知道自己菜—(3)知道自己厉害—(4)不知道自己厉害(装逼于无形)
在看录像学习的同时，你也会自己玩几局游戏， 会发现自己有的时候有失误 。这些失误是因为你还不够厉害，能力不够强。这种时候请不要气馁，要审视当时犯错的愿意：是技术上失误了(比如屠夫没钩中)，还是决策上判断错了(比如不应该赖在下路收兵线)。
除了对自己的缺陷以及能力不足要有清醒和认识之外，我们也要认识到各个分数段玩法的差异。有的时候能力认识的过程不是从1到4的，它也可能从4再到1。比如说你在低段的狂暴刷能赢，但到了高分数段这个策略就不起效了。这种策略错误就属于会妨碍你进步的因素。改正坏习惯不是件容易的事情，所以要把自己的游戏录像和你学习的大神的录像进行对比，尽早发现自己的问题从而纠正。
我喜欢把它称之为漂浮状态，就像船漂浮在水上，随着潮起潮落浮动，但永远在水面上。你在dota里的瓶颈期是类似的，也许天梯分有上下一两百的浮动，但没有大体上(50~100局比赛)的波动。这种时候，你之前掌握的要点是没法帮助你再上分了，你需要从录像分析中挖掘新的知识点，或者换个大神的来分析了。比如说，我靠着一手打野SK上到了4k分，但到了这个高度之后无论在怎么狂暴刷野都无法再更进一步了。所以之后我就开始玩天怒，lich，冰女，很快就爬到了5k分。
4.准确vs精准(精密)
当你在游戏里预判行为的时候，你需要像第一张图里那样既准确又精准。打个比方：我在看一个7k分中单的录像时，我也许可以准确的判断出“他马上要gank对面了”。但这个判断并不精准，因为我没考虑到他要去地图上的什么地方gank谁。再举例一个不准确但精准的判断：我觉得“他马上要tp去下路了”，但我并没说他是要去那儿推线还是打野还是参团。
所以之前提到的80%预测大神的行为其实指的是你要既准确又精准的指出这个选手接下来的动向。
5.不可控波动
其中包括了队友的失误啦，怒送人头啦，队友掉线啦之类的在掌控之外的因素。每局比赛里都有各种各样的不可抗力，所以如果你在回放自己的失误录像并找不出一个明确的解释的时候，那么你可以把它归结为不可控的波动。
说了这么多，接下来开始讲解我是如何分析录像的。我用来举例的是这个人，因为我看他开小号用小骷髅能横扫4k分的局。
分析方法分为两部分：你先分析并建立一个自己的理论，然后再看看这个人的行动模式是不是跟你分析推断的一致。推断总是有可能会出错的，比如你觉得小明喝了橙汁而没喝牛奶是因为他喜欢橙汁，而事实上也许只是小明乳糖不耐只能喝橙汁。
我们把前面提到的9个目的一个一个展开讲：
1. 了解基本的行为模式
一般看2-3局的录像就能搞清楚这个点了。我们需要从玩法，出装，走哪一路，大体战术上来观察这个选手。这也可以理解为是每局比赛基本不变的一些元素。上面举例的这个小骷髅选手，一般出装顺序是天鹰-魂戒-草鞋-勇气勋章-黯灭-假腿-羊刀。他大多数情况走中，如果被抢了中就走优势路。他对线期一般都乖乖补刀不乱跑，6级的时候在会在下一波兵还没来的时候去吃个大野点的怪。出到小勋章之后他会吃个大野怪然后主动出击去找人gank。等下一次吃怪cd转好之后他会再吃一个怪再去gank，如此反复直到够钱买黯灭和羊刀。这个时候他会去偷肉山然后推对方高地，争取20-30分钟结束比赛。
以上只是最基本的行为模式，具体的游戏策略我们还得分成macro(总体/重点)和micro(细节)来进一步分析。
2-7. 游戏各阶段的大局观和细节点
Macro就是你的总体策略：你要去哪里，做什么，买什么装备，怎么赢比赛等等。Micro指的是你的操作，诸如团战的时候你把什么技能放给谁，你的打团站位。这两大类我们可以分别讨论。举个栗子，我们可以分别提问“总体上，这个小骷髅出了黯灭之后会gank对面的优势路还是中路呢，还是会去推塔或者偷肉山”，“细节上，他gank别人的时候会先用勋章还是一技能扫射，他一般会躲在什么地方杀人，他会不会等对面丢完技能了再显形gank”。
尽管这两大类可以帮助我们了解“发生了什么“，“如何发生的”，“在哪里发生的”，我们还需要第三类的游戏策略分析来理解每个行动背后的原因why。这就涉及到了选手的游戏直觉，一种比较难以参透的东西。天梯高分选手会从对面敌方的角度来思考局势，从而帮助他们在高分局里做出决策。
这种游戏感是我们在学习分析录像的时候把Macro Micro都搞清楚之后最后分析的，因为有时候实在是太难解释了，以至于我们旁观者也许会把这游戏直觉和“每盘游戏因为英雄不同而独有的特点”搞混淆。比方说我一般打团的时候倾向于先干掉团控最多的敌人，然后是中单，然后是辅助，再然后是carry。但你如果看见我在一场比赛里先杀小牛，然后卡尔，萨尔，主宰，你也许会把这个顺序归结为那场比赛里特有的英雄克制之类的其他理由。
Macro总体策略
让我们回到那个小骷髅的例子，看看他在对线期的Macro总体策略。最值得我们关注的是他如何应对不同情况的。
比如说他在1级的时候会学2技能火箭然后去骚扰对线的对面中单，并且可以用火箭补刀。但是根据对线的英雄不同，他有时候只专心补刀，有时候会走到对面高地去耗对面的血。这种分情况的应对策略可以理解为这个选手的游戏直觉(why)。在这里一时半会儿是无法详尽地解释了，但我可以举一个最简单的例子来帮你理解，就是对面的游走辅助的大体位置会影响这个小骷髅的对线决策。
之后升到6级有了天鹰戒和魂戒之后，小骷髅会开始吃大野怪然后接着farm。直到出了勇气勋章之后，他才会满地图游走。至于去哪里游走，他靠的就是自己的游戏直觉判断出哪个敌人好杀，哪个英雄要尽早骚扰阻止发育。
接下来到了比赛的中期，他的总体策略又是什么样的呢？
其实很简单，他就是不断重复“嗑魂戒—吃野怪—杀人—如果野怪buff还在就再去杀人”这样的策略。等到出了黯灭之后他还会在杀完人之后在附近推推塔。如果gank的地方离塔比较远那就继续找机会杀人。再接下来出了羊刀以后，他就会和队友抱团打肉山推塔，快速结束比赛。
这个小骷髅没有太多的比赛是拖到后期的，因为基本上中期就一路碾压推平了对面。在拖到了后期的局里面，他基本上的思路也是出控制装和撑肉装，把对面压在高地让他们出不了门。
到这里一场比赛的前中后期策略算是分析完了。接下来你就可以按照总结出来的套路，去揣摩这个选手在其他比赛里是否会像你总结的那样对线，杀人，拿塔。你可以问自己：他会耗对面中单的血吗？他拿到魂戒之后会去找大怪吃吗？他拿到勋章之后会gank吗？出了黯灭之后会去打肉山吗？
说完总体策略，再来看看这个选手的细节处理。
比如说，他去gank的时候一般会站在什么地方？他会给队友打信号一起上吗？他会耐心的等待时机吗？对线阶段，他一般呆在自己这边的高坡还是站在对面高坡上？这个对线站位会根据对面中单和游走英雄的特点而改变吗？
综合上述的总体和细节分析之后，我们可以得出一套关于这个选手玩小骷髅的大体套路。但是这种分析仅仅是高准确，而不精准的。
Game Sense 游戏直觉
说完了Macro和Micro，我们来从游戏直觉这个方面来分析一下这个小骷髅。游戏直觉这种东西和前面两种分析思路都不一样，因为随着比赛里的英雄，玩家，情况的变化，游戏直觉一般会随之变化适应，而非一成不变。学习游戏直觉的方法，就是你在看录像的时候要边看边暂停，列出接下来可能发生的几种事情，然后权衡一下每种事情的可能性，在接着放录像看你的预测是否准确。你应该对这个小骷髅的每一次行动就进行这种分析，从而了解背后选手的游戏直觉。
具体说来，就是根据总体策略的分析，我们已经知道小骷髅吃了大野怪之后会去找人gank。所以看到他吃野怪之后，你就应该暂停录像，然后揣摩接下来他会做什么。对面有5个英雄，小骷髅的目标是杀掉其中一个，那么据此你可以列1-2个推测，判断他为什么会去gank某一个英雄。
比如说小骷髅对面有主宰，德鲁伊，卡尔。如果小骷髅去杀主宰和卡尔， 那么他也许是为了防止他们发育， 也是他只是想去控制住对面野区防止敌人躲起来刷野。如果小骷髅去杀德鲁伊，那么他也许是防止小熊推搭，也许是想打断德鲁伊刷辉耀的节奏。当你把各种可能性和解释都列出来以后，权衡一下，选一个你觉得最有可能发生的推断，然后继续播放游戏录像，看看整个地图上接下来发生了什么。如果你最自信的那个推断是错误的，那就再看一遍这一段录像，从小骷髅的视角以及敌人的视角，研究一下自己为什么判断错了。然后可以再联想一下，如果小骷髅的做法和你的推断一致，那么接下来会发生什么，他想杀人或者控制野区的目标能否达成？
这种游戏直觉的分析一般是最难的，需要反复看50盘以上的录像。这同时也是最能帮助你理解自己在比赛里为什么会犯错的方法。一开始你也许总是无法正确推断出小骷髅接下来要去gank谁，但是经过长时间练习，有一天你忽然就会理解他为什么选择去杀卡尔而不是德鲁伊。只有在这个时候，你才会真正学习到了这个小骷髅选手的游戏直觉，才能像他一样轻松爬天梯。
在你学明白了这点，手选小骷髅轻松地上了一千分甚至两千分之后，你会遇到上面提到的瓶颈期。这个时候就需要换个英雄玩，或者换个学习目标重复上面的三大类分析啦。
如果你是参考认识的基友的录像，你还可以去直接问他的想法，这会更有效的帮助你理解游戏，提高胜率。如果看的录像是不认识的大神，也可以厚脸皮去加人家问问，反正又不吃亏。
我自己当初在学玩电狗的时候，看了40多盘录像，才搞明白为什么人家占线都是稳稳的，而我效仿他们的出装和策略却总是线劣。因为他们都是在击杀对面1-2次之后就把自己这边的辅助赶走一个人占线了。
我其实不喜欢看自己的录像回放，因为我很难找到自己的错误
“The incompetent cannot know they are incompetent. The skills you need to produce a right answer are exactly the skills you need to recognize what a right answer is.” —David Dunning
“无能的人不会知道自己无能。因为找到正确答案的方法也是辨别谬误的方法。”—大卫不认识
我觉得看我自己的录像是很不效率的学习方法。但你如果真的想看自己的录像，那就从你的每次行动入手，问问自己当时是否还有别的可能性，不只是杀没杀对人，或者有没有手抖按错键。你需要不断地问自己：我当时做的选择是不是合适的？还有没有其他的选择？
如果你还在低分数段的的话，其实不不太需要分析游戏直觉，只要弄清楚总体策略和细节两类问题，就可以上4k分。但是之后想要再冲分，就非常需要游戏直觉，决策判断，团队合作，以及对地图的意识。这些方面的提高对于往4k分以上冲是非常必要的。我觉得4，5k选手其实和6，7k的选手操作层面差距不大，但游戏直觉等高层次的理解可能是欠缺的。
太长不看版总结：去看别人的录像。
微信号：NGA-178要玩，就认真玩
扫码关注我们哦！↙点击下方“阅读原文”进入原文参与讨论！他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程5 months ago61收藏分享举报文章被以下专栏收录机器学习一个{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&集智(jizhi.im)官方唯一指定战略合作专栏&,&permission&:&COLUMN_PUBLIC&,&memberId&:8263074,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&机器学习一个&,&urlToken&:&c_&,&id&:30285,&imagePath&:&v2-6098aecc39b4ec88c3c83a.jpg&,&slug&:&c_&,&applyReason&:&0&,&name&:&集智&,&title&:&集智&,&url&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fc_&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:11025,&avatar&:{&id&:&v2-6098aecc39b4ec88c3c83a&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-6098aecc39b4ec88c3c83a_l.jpg&,&articlesCount&:107},&state&:&accepted&,&targetPost&:{&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-c6cd30da0731cdf161cefa2b035c149d_r.jpg&,&lastUpdated&:,&imagePath&:&v2-c6cd30da0731cdf161cefa2b035c149d.jpg&,&permission&:&ARTICLE_PUBLIC&,&topics&:[86,180476],&summary&:&\u003Ci\u003E译者按：本站之前已经介绍了OpenAI带来的Dota2的人工智能机器人的一些信息。而今天，OpenAI发表的文章为我们提供了这个AI研究过程中的种种细节，包括训练环境的搭建、AI的成长历程以及未来研究团队的目标和方向。阅读这些信息对于了解人工智能发展现状以及…\u003C\u002Fi\u003E&,&copyPermission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T16:31:29+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:3629567,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:0,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-c6cd30da0731cdf161cefa2b035c149d_r.jpg&,&author&:{&bio&:&景略集智（https:\u002F\u002Fjizhi.im）联合创始人\u002FCOO 知乎拉皮条的&,&isFollowing&:false,&hash&:&7d81ea65e16ff830a82a869b2823ecc2&,&uid&:705200,&isOrg&:false,&slug&:&404-97&,&isFollowed&:false,&description&:&微信：。加好友请注明来意和姓名，以证诚意。通过看缘分，不说话的直接删。&,&name&:&军师&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002F404-97&,&avatar&:{&id&:&v2-fe9dab3d434d12ace58bf3d066b05d4e&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:773590}],&title&:&他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程&,&author&:&404-97&,&content&:&\u003Cblockquote\u003E\u003Ci\u003E译者按：本站之前已经介绍了OpenAI带来的Dota2的人工智能机器人的一些信息。而今天，OpenAI发表的文章为我们提供了这个AI研究过程中的种种细节，包括训练环境的搭建、AI的成长历程以及未来研究团队的目标和方向。阅读这些信息对于了解人工智能发展现状以及增强学习的一些特性颇有帮助，因此本站特将该文章翻译在此，请各路大神指正。\u003C\u002Fi\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E本文首发在集智专栏：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fjizhi.im\u002Fblog\u002Fpost\u002Fdota2-openai-more\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程 - 集智专栏\u003C\u002Fa\u003E
有两个视频知乎不能播放，建议在集智上观看。\u003C\u002Fp\u003E\u003Cp\u003E原文作者：OpenAI\u003C\u002Fp\u003E\u003Cp\u003E译者：朝阳\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Ch2\u003E前言\u003C\u002Fh2\u003E\u003Cp\u003E我们（指OpenAI，下同——译者注）研究的人工智能在Dota2上面的\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fblog.openai.com\u002Fdota-2\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E完美表现\u003C\u002Fa\u003E证明，只要提供足够的计算资源，自我学习方式（self-play）能够飞速提升机器学习系统的性能，从而将人工智能的水平从低于人类水平攀升至超过人类的等级。在过去的一个月里，我们的人工智能系统从刚刚能和高水平的人较量一番提升到了可以打败世界上最顶尖的选手，而它的水平还在不断提升。基于深度学习的有监督学习系统（猜猜在说谁呢？——译者注）只能达到与它们使用的训练数据一样的水平，但是在自学系统中，游戏数据会自动随着机器人水平的提升而越来越好。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d7577_b.jpg\& data-rawwidth=\&1327\& data-rawheight=\&388\& class=\&origin_image zh-lightbox-thumb\& width=\&1327\& data-original=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d7577_r.jpg\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='1327'%20height='388'&&\u002Fsvg&\& data-rawwidth=\&1327\& data-rawheight=\&388\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&1327\& data-original=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d7577_r.jpg\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d7577_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E\u003Ci\u003E上图是我们最好的机器人的\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FTrueSkill\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003ETrueSkill评分\u003C\u002Fa\u003E（与国际象棋中的ELO评分相类似）随时间变化的图线，这个图线是根据机器人之间的对战模拟以及胜率评测来得出的。AI系统中任何部分的改善都能提升这里的评分，包括为算法增加新特性或是进行系统优化等等。令人惊奇的是这个图线是线性的，这意味着机器人的竞技水平增长速度是以指数形式向上攀升的。\u003C\u002Fi\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E（很多人也许会问为什么图线是线性的但水平上升是指数形式的，这是因为在TrueSkill系统下，玩家的水平越高，则分数的提升越困难，因此只有保证水平指数上升才能让评分稳步提高——译者注）\u003C\u002Fp\u003E\u003Cp\u003E这个项目的时间表如下所示。根据一些观点，Dota2中大约有15%的人\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fdota.rgp.io\u002Fmmr\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E天梯分\u003C\u002Fa\u003E在1500以下，低于3000的玩家有58%，而99.99%的玩家都低于7500。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cb\u003E5月1日：\u003C\u002Fb\u003E在一个简单的Dota2环境中完成我们的第一个传统的\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fwww.youtube.com\u002Fwatch%3Fv%3D5Fv2c4aNS2w%26feature%3Dyoutu.be\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E增强学习过程\u003C\u002Fa\u003E，这个过程的主要任务是指挥卓尔游侠（小黑——译者注）学会风筝一个固定编码的撼地者（小牛）。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E5月8日：\u003C\u002Fb\u003E天梯分1500的测试者声称我比AI不知高到哪里去\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E6月初：\u003C\u002Fb\u003E天梯分1500的测试者输了\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E6月30日：\u003C\u002Fb\u003E与3000分的测试者较量，赢得大部分比赛\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E7月8日：\u003C\u002Fb\u003E在与7500分的准职业选手较量时\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fwww.youtube.com\u002Fwatch%3Fv%3DFBoUHay7XBI%26feature%3Dyoutu.be%26t%3D345\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E接近获胜\u003C\u002Fa\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E8月7日：\u003C\u002Fb\u003E以3-0打败了\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwiki.teamliquid.net\u002Fdota2\u002FBlitz\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EBlitz\u003C\u002Fa\u003E（6200分的前职业选手）、2-1打败了\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwiki.teamliquid.net\u002Fdota2\u002FPajkatt\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EPajkatt\u003C\u002Fa\u003E（8500分的职业选手）、3-0打败了\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwiki.teamliquid.net\u002Fdota2\u002FCC%2526C\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003ECC&C\u003C\u002Fa\u003E（8900分的职业选手）。所有人都认为Sumail（天才少年，很多人称其是世界第一中单——译者注）能够找出打败AI的办法\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E8月9日：\u003C\u002Fb\u003E以10-0的比分打败Arteezy（10000分的职业选手），他也认为Sumail可以获胜\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E8月10日：\u003C\u002Fb\u003ESumail以0-6的比分输掉了（辜负了多少人的期待。。。——译者注），他认为这个AI是不可战胜的。但当面对八月九日的AI时，Sumail获得了2-1的胜利。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E8月11日：\u003C\u002Fb\u003E以2-0的比分打败了Dendi（7300分的职业选手，前世界冠军，Dota届老司机）。这一天的机器人相对于八月十日的AI有60%的胜利。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-e8af596ee06c_b.jpg\& data-rawwidth=\&818\& data-rawheight=\&467\& class=\&origin_image zh-lightbox-thumb\& width=\&818\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-e8af596ee06c_r.jpg\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='818'%20height='467'&&\u002Fsvg&\& data-rawwidth=\&818\& data-rawheight=\&467\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&818\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-e8af596ee06c_r.jpg\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-e8af596ee06c_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E这里有个视频，想看的话可以来这个链接看：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fjizhi.im\u002Fblog\u002Fpost\u002Fdota2-openai-more\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程 - 集智专栏\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cblockquote\u003E\u003Ci\u003EBot与SumaiL进行对战\u003C\u002Fi\u003E\u003C\u002Fblockquote\u003E\u003Ch2\u003E我们的任务\u003C\u002Fh2\u003E\u003Cp\u003E一局完整的Dota2游戏是5对5的，但是1对1的Solo比赛在一些\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=http%3A\u002F\u002Fwiki.teamliquid.net\u002Fdota2\u002FDota_2_Asia_Championships\u002FFSolo_Tournament%23Rules\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E大赛\u003C\u002Fa\u003E中也有\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fwww.youtube.com\u002Fwatch%3Fv%3DKOlw9SYjr4c\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E登场\u003C\u002Fa\u003E。我们研究的机器人是完整按照大赛的基本规则来的——我们并没有基于1对1的场景对AI的策略进行某种简化。\u003C\u002Fp\u003E\u003Cp\u003E机器人基于以下的准则来完成行动：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cb\u003E环境观测：\u003C\u002Fb\u003E这里将游戏内的视觉要素，包括英雄、小兵、信使以及建筑等等封装成一个API供AI使用，我们保证AI所获得的要素跟人类玩家是完全一致的，AI并没有获得游戏内部的全局视野。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E游戏动作：\u003C\u002Fb\u003E对于英雄的动作指挥也是通过API来完成的，动作的施放频率也和人类等同，这些动作包括移动英雄到某个位置、攻击某个单位或是使用物品。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E游戏反馈：\u003C\u002Fb\u003E机器人会受到各种因素的影响，比如说获胜可能性以及类似于血量和\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fdota2.gamepedia.com\u002FCreep_control_techniques%23Last-hitting\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E补刀数量\u003C\u002Fa\u003E这些基本数据。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E我们为AI设置了一些基本的出装思路，然后每次使用一种出装来进行评估。我们还额外使用传统的增强学习技术来训练AI学会一开始的挡兵动作，这个动作一般发生在敌方还尚未露面的时候。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Ch2\u003EDota2国际邀请赛\u003C\u002Fh2\u003E\u003Cp\u003E我们的成果，即这种仅包含少量「指导」的AI自我学习成果能够保证机器人在本年度的国际邀请赛的举办期间（周一到周四）也能显著地提升游戏水平。在周一晚上，因为使用了出人意料的出装思路（早期出了一个魔棒），Pajakatt获得了一次胜利，于是我们也将这种出装加入了我们的训练名单之中。\u003C\u002Fp\u003E\u003Cp\u003E在周三下午的一点左右，我们测试了当时的机器人性能。当时的机器人在第一波兵线消耗时就会丢掉一管血。我们当时认为也许我们需要回滚一下，但是紧接着我们发现接下来的游戏场景非常精妙，当时AI在第一波对抗时的策略是引诱对手来攻击自己，而在后面的自学过程中AI自行修复了这种不适当的策略，并掌握了如何对抗挑衅的办法。这时候，我们在第一波的策略中使用周一的机器人来进行策略组合，并在4点钟与Arteezy的比赛的20分钟之前完成了整个过程。\u003C\u002Fp\u003E\u003Cp\u003EArteezy的比赛结束后，我们更新了AI的挡兵系统，这次更新将AI的TrueSkill评分提高了一分。而在周四Sumail的比赛之前，更多的训练过程使得TrueSkill评分又提升了两分。Sumail指出机器人已经学会了如何在对手的视野之外施放影压，这是一个我们从未知晓的对战技巧：在对手的视野之外施放技能时，对手的魔棒将不会获得点数。\u003C\u002Fp\u003E\u003Cp\u003EArteezy还和我们7500分的准职业测试人员玩了一场，毫无疑问10000分的Arteezy完胜，但是我们的测试者使用他在AI身上学到的技巧轻轻地耍了Arteezy一把，Arteezy笑谈这个策略只有Paparazi在对付他时使用过一次，而他从来没有对此进行过训练。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ed3f6b08d867d5e9ddd3747bcaedff0d_b.jpg\& data-rawwidth=\&816\& data-rawheight=\&615\& class=\&origin_image zh-lightbox-thumb\& width=\&816\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ed3f6b08d867d5e9ddd3747bcaedff0d_r.jpg\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='816'%20height='615'&&\u002Fsvg&\& data-rawwidth=\&816\& data-rawheight=\&615\& class=\&origin_image zh-lightbox-thumb lazy\& width=\&816\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ed3f6b08d867d5e9ddd3747bcaedff0d_r.jpg\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ed3f6b08d867d5e9ddd3747bcaedff0d_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E这里有个视频，想看的话可以点链接：\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fjizhi.im\u002Fblog\u002Fpost\u002Fdota2-openai-more\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E他这个Z炮是怎么压到我的？——OpenAI解释Dota2AI的实现过程 - 集智专栏\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Ch2\u003E挑战机器人\u003C\u002Fh2\u003E\u003Cp\u003E虽然Sumail认为这个机器人是「不可战胜的」，在面对从未见过的游戏局面时，AI也会变的傻乎乎的。我们在TI7国际邀请赛的场馆内安排了可以和AI一较高下的线下比赛，这里世界各地的玩家总共与机器人进行了1000余场比赛，玩家们绞尽脑汁使用各种办法来打败AI。\u003C\u002Fp\u003E\u003Cp\u003E打败AI的玩家基本上使用了以下三种策略机制：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cb\u003E无脑拉兵线：\u003C\u002Fb\u003E在小兵前进时，玩家可以通过攻击兵线来让小兵一出现就追逐自己（在中路二塔到三塔之间），这样做的结果就是你被一帮小兵满地图追着跑，而对面的一塔会因为无人把守而迅速崩溃（值得一提的是Dota2的内置AI也有这个问题，电脑在面对玩家无脑拉兵线的行为时总会无所适从——译者注）。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E毒球加风灵之纹：\u003C\u002Fb\u003E这种出装能确保玩家在一级的时候就能有一个很明显的速度优势，因此在对抗AI时玩家能够迅速地拿到一血。当然根据比赛规则，玩家要利用这个优势再一次击杀机器人才行（Solo大赛的规则是二杀一塔，即首先拿到两个人头或是摧毁敌方一塔的玩家获胜——译者注）。\u003C\u002Fli\u003E\u003Cli\u003E\u003Cb\u003E一级学影压：\u003C\u002Fb\u003E这是个高等级技巧，但是一些6千到7千的玩家使用这个办法成功地击杀了机器人，方法就是在一级的时候学影压然后在尽量短的时间里使用影压击中对手3到5次（这确实是Solo比赛中的一种高端策略，牺牲一开始的补刀积累，通过早期的技能伤害建立血量上的优势——译者注）。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E解决这些问题的办法与解决Pajkatt发现的Bug是类似的。当然我们要注意在5对5的游戏中，这些策略基本是不能奏效的，我们也需要一个更完整的系统来处理各种AI没见过的复杂奇怪的游戏状况。\u003C\u002Fp\u003E\u003Ch2\u003E基础框架\u003C\u002Fh2\u003E\u003Cp\u003E我们还没有准备好向大家介绍机器人的一些内部原理——我们的团队正在全力为5v5做着准备。\u003C\u002Fp\u003E\u003Cp\u003E我们在项目中所面对的第一个问题就是如何在云端的物理GPU中运行Dota2的游戏环境，当我们尝试在GPU的云端实例中运行游戏时，游戏返回了一大堆令人费解的错误信息。但是当我们在Greg的私人电脑上（这个主机就是TI7的活动现场所展示的计算机）启动运行时，我们发现当显示器接入之后，游戏便开始正常启动；而当我们断开显示器时，游戏便返回了和之前一样的错误信息。因此我们修改了云端GPU环境的配置文件，让游戏认为环境中存在一个真实的显示器。\u003C\u002Fp\u003E\u003Cp\u003E由于Dota2现在还不支持自定义的私人服务器，因此如果没有GPU而又需要灵活运行这个游戏的话，游戏的渲染速度将会非常缓慢。因此我们构建了一个中间层来阻拦了大部分的OpenGL调用，除了一些特别的游戏用来完成启动的语句。\u003C\u002Fp\u003E\u003Cp\u003E（这里解释一下，OpenAI的训练环境是在云端的GPU服务器集群上来完成的，现场所展示的U盘只记载着训练好的模型。一般GPU的云服务器环境都是Linux，而Dota2的Linux版本是使用OpenGL来渲染的。当然，由于OpenAI的训练过程依靠的是Dota2自身的接口，因此在训练过程中游戏根本没必要去渲染画面——但是作为一个游戏，它必须时刻监控游戏渲染画面来保证游戏运行的稳定，这就是为什么OpenAI的研究人员需要使用一个中间层来处理游戏的OpenGL调用，其目的是让游戏认为其运行在一个有显示器、渲染过程稳定的环境之中。——译者注）\u003C\u002Fp\u003E\u003Cp\u003E与此同时，我们还编写了一个由脚本控制的机器人——我们需要一个基准来充当参照物（主要是游戏的内置AI在1对1时表现得很差劲），同时我们也需要深刻理解Dota2的\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fdeveloper.valvesoftware.com\u002Fwiki\u002FDota_Bot_Scripting\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E机器人API\u003C\u002Fa\u003E的各种细节。这个脚本机器人在没有敌人的情况下能够在十分钟内拿到70个补刀，但是这种水平仍然会被聪明的人类玩家打败。目前我们的机器人所达到的最好的补刀数字是97（再拿到这个数字之前AI就攻破了对方的防御塔，所以这个数字是推断出来的），而十分钟内理论的补刀上限是101。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Ch2\u003E5对5\u003C\u002Fh2\u003E\u003Cp\u003E1对1就已经足够复杂了，而5对5更是复杂得难以想象。我们明白我们必须极大地拓宽AI的视野来让其能够进行5v5的对抗。\u003C\u002Fp\u003E\u003Cp\u003E千里之行始于足下，我们将从行为模范策略开始来逐渐构筑模型。Dota2每天会有上百万场公开比赛，而所有这些比赛的录像会在Valve的服务器上保留两周。我们从去年十一月开始就开始下载所有专家级别的游戏录像，然后已经拥有了580万场游戏的海量数据库（每场游戏都是10个人类玩家，游戏时长在45分钟左右）。我们使用\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fwww.opendota.com\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003EOpenDota\u003C\u002Fa\u003E（一家提供Dota2录像查询的网站，它能为OpenAI标明那些游戏是专家级别的——译者注）来发现这些录像，并为他们提供了1.2万美元的资助（他们10年的资金募集目标）来完成这个项目。\u003C\u002Fp\u003E\u003Cp\u003E我们有着各种各样的奇妙主意，而且也为实现我们的目标而\u003Ca href=\&http:\u002F\u002Flink.zhihu.com\u002F?target=https%3A\u002F\u002Fopenai.com\u002Fjobs\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E招贤纳士\u003C\u002Fa\u003E（我们期望的人才不一定是专家，但必须对机器学习满怀好奇）。在这里我们也感谢微软Azure云平台以及Valve公司的大力协助。\u003C\u002Fp\u003E&,&updated&:new Date(&T08:31:29.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:16,&collapsedCount&:0,&likeCount&:61,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-c6cd30da0731cdf161cefa2b035c149d_r.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&集智（https:\u002F\u002Fjizhi.im）&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&刀塔（DOTA 2）&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&openai&}],&adminClosedComment&:false,&titleImageSize&:{&width&:1280,&height&:720},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&tipjarState&:&inactivated&,&annotationAction&:[],&sourceUrl&:&&,&pageCommentsCount&:16,&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T16:31:29+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:null,&isFollowing&:false,&hash&:&7cefbfd1a0da89c&,&uid&:291900,&isOrg&:false,&slug&:&chen-yang-12-69&,&isFollowed&:false,&description&:&&,&name&:&陈阳&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fchen-yang-12-69&,&avatar&:{&id&:&b41edaa190975&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&&,&isFollowing&:false,&hash&:&d668177cadaaecc19dca2&,&uid&:652000,&isOrg&:false,&slug&:&xier-lee-71&,&isFollowed&:false,&description&:&&,&name&:&Zizhazhu&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fxier-lee-71&,&avatar&:{&id&:&v2-3a15fd9ac39&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&生活真是空虚&,&isFollowing&:false,&hash&:&1d4eb7cfac7355fdd54d71dc1ca87bf5&,&uid&:60,&isOrg&:false,&slug&:&kuldahar&,&isFollowed&:false,&description&:&&,&name&:&春恩垚&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fkuldahar&,&avatar&:{&id&:&dfabeba0082abb3fd29def3497feabdf&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&每天进步一点点&,&isFollowing&:false,&hash&:&142cfeb9ce81c4e71f90&,&uid&:152400,&isOrg&:false,&slug&:&xiang-ke-si-34&,&isFollowed&:false,&description&:&VR,CG,ML&,&name&:&香克斯&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fxiang-ke-si-34&,&avatar&:{&id&:&891330fbecdef9c76ea2767dda53fe93&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:null,&isFollowing&:false,&hash&:&b5d602da24f350e894130&,&uid&:867900,&isOrg&:false,&slug&:&pang-fei-99-15&,&isFollowed&:false,&description&:&&,&name&:&庞飞&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fpang-fei-99-15&,&avatar&:{&id&:&f6c69f2e399bd92e3a603404&,&template&:&https:\u002F\u002Fpic1.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d.jpg\& data-rawwidth=\&1327\& data-rawheight=\&388\& class=\&origin_image inline-img zh-lightbox-thumb\& data-original=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-7aa79ff24e12fa57fc5d7577_r.jpg\&\u003E\u003Ci\u003E译者按：本站之前已经介绍了OpenAI带来的Dota2的人工智能机器人的一些信息。而今天，OpenAI发表的文章为我们提供了这个AI研究过程中的种种细节，包括训练环境的搭建、AI的成长历程以及未来研究团队的目标和方向。阅读这些信息对于了解人工智能发展现状以及…\u003C\u002Fi\u003E&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&annotationDetail&:null,&commentsCount&:16,&likesCount&:61,&FULLINFO&:true}},&User&:{&404-97&:{&isFollowed&:false,&name&:&军师&,&headline&:&微信：。加好友请注明来意和姓名，以证诚意。通过看缘分，不说话的直接删。&,&avatarUrl&:&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-fe9dab3d434d12ace58bf3d066b05d4e_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&404-97&,&bio&:&景略集智（https:\u002F\u002Fjizhi.im）联合创始人\u002FCOO 知乎拉皮条的&,&hash&:&7d81ea65e16ff830a82a869b2823ecc2&,&uid&:705200,&isOrg&:false,&description&:&微信：。加好友请注明来意和姓名，以证诚意。通过看缘分，不说话的直接删。&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002F404-97&,&avatar&:{&id&:&v2-fe9dab3d434d12ace58bf3d066b05d4e&,&template&:&https:\u002F\u002Fpic2.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&growthSearch&:&s1&,&nwebQAGrowth&:&experiment&,&qawebRelatedReadingsContentControl&:&open&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&nwebSearch&:&nweb_search_heifetz&,&enableVoteDownReasonMenu&:&enable&,&showVideoUploadAttention&:&true&,&isOffice&:&false&,&enableTtsPlay&:&post&,&newQuestionDiversion&:&true&,&wechatShareModal&:&wechat_share_modal_show&,&newLiveFeedMediacard&:&old&,&androidPassThroughPush&:&all&,&hybridZhmoreVideo&:&no&,&nwebGrowthPeople&:&default&,&nwebSearchSuggest&:&default&,&qrcodeLogin&:&qrcode&,&androidDbFollowRecommendHide&:&open&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbCommentWithRepinRecord&:&open&,&feedHybridTopicRecomButtonIcon&:&yes&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&topWeightSearch&:&new_top_search&,&default&:&None&,&isNewNotiPanel&:&no&,&androidDbRepinSelection&:&open&,&growthBanner&:&default&,&androidProfilePanel&:&panel_b&}},&columns&:{&next&:{}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}}