腾讯AI制霸王者荣耀，世界杯5V5 「绝悟」绝杀职业玩家，1天训练强度超人类440年

新智元报道

来源：腾讯AI实验室

【新智元导读】腾讯AI Lab研发的智能体「绝悟」在王者荣耀世界冠军杯，与职业选手5v5的对决中获胜！绝悟达到了电竞职业玩家水平！这是继dota2、英雄联盟后，王者荣耀也被AI征服。新智元第一时间带来赛事精彩解说，以及对绝悟团队的专访。

继dota2、英雄联盟后，王者荣耀也被AI征服了！

昨日，腾讯AI Lab研发的智能体「绝悟」在王者荣耀世界冠军杯半决赛特设环节，与职业选手职业选手赛区联队的5v5对决中获胜！

可以说，AI已经达到了电竞职业玩家水平了！

「绝悟」职业水平测试完整视频（从 3 分 55 秒开始）

据了解，「绝悟」训练使用384块GPU，8.5w核CPU，平均每天自对战局数相当于人类训练440年的量，训练周期持续训练半个月以上。

不仅如此，「绝悟」的 1v1 版本今天也在上海举办的国际数码互动娱乐展览会ChinaJoy首次对公众亮相，向顶级业余玩家开放为期四天的体验测试。

在首日的504场测试中，「绝悟」测试胜率为 99.8%，仅输 1 场（对方为王者荣耀国服第一后羿）。

赛事精彩瞬间：即时策略+团队协作，四个AI拿下完美首杀

「绝悟」建立了基于 “观察 - 行动 - 奖励” 的深度强化学习模型，无需人类数据，从白板学习（Tabula Rasa）开始，让 AI 自己与自己对战，一天的训练强度高达人类 440 年。

AI 从 0 到 1 摸索成功经验，勤学苦练，既学会了如何站位、打野、辅助保护和躲避伤害等游戏常识。

AI 也探索出了不同于人类常规做法的全新策略。团队还创建 One Model 模型提升训练效率，优化通信效率提升 AI 的团队协作能力，使用零和奖惩机制让 AI 能最大化团队利益，使其打法果断，有舍有得。

探索全新策略：开局时「绝悟」没选择传统人类对线走位策略，而是由双 C 位英雄虞姬和王昭君先一起清理中路第一波兵线，压制敌方中辅。之后又转上路压制曹操血线。

长线策略：对线期，赛区联队三人压迫下路，「绝悟」果断选择用三个 AI 反压赛区联队的上路，最终双方互换一塔，维持均势。

团队协作：比赛中期，「绝悟」四人追击娜可露露，AI 达摩一脚将娜可露露反踢入 AI 群中，再由四个 AI 完美配合拿下自己的首杀。

即时策略：一对一时，赛区联队实力较强的曹操追击「绝悟」虞姬，虞姬在残血状态退至高地。看到曹操抗塔血量大减后，把握机会绝地反杀。

即时策略 + 团队协作：比赛后期在赛区联队的上路高地塔团战，AI 王昭君先手被对方秒杀，「绝悟」果断选择反打，以漂亮的一波团战全歼对手。

即时策略 + 团队协作：在赛区联队全队覆灭后， 「绝悟」的兵线尚未到达，下路高地塔还有过半血量，「绝悟」果断选择四人轮流抗塔，无兵线强拆塔。* 注：赛事尾声，赛区联队团灭后，「绝悟」未直接推水晶，而是计算整体收益后，选择先推最后一个高地塔，再推水晶直至胜利。

技术细节：“观察 - 行动 - 奖励” 的深度强化学习模型

「绝悟」名字寓意绝佳领悟力，其技术研发始于 2017 年 12 月，并在 2018 年 12 月通过了顶尖业余水平测试（前职业选手与主播联队带来）。

游戏中测试的难点，是 AI 要在不完全信息、高度复杂度的情况作出复杂快速的决策。在庞大且信息不完备的地图上，10 位参与者要在策略规划、英雄选择、技能应用、路径探索及团队协作上面临大量、不间断、即时的选择，这带来了极为复杂的局面，预计有高达 10 的 20000 次方种操作可能性，而整个宇宙原子总数也只是 10 的 80 次方。

若 AI 能在如此复杂的环境中，学会人一样实时感知、分析、理解、推理、决策到行动，就可能在多变、复杂的真实环境中发挥更大作用。因此业界认为下一个 AI 里程碑，可能会在复杂策略游戏中诞生。世界顶级科技公司均在推进此类研究，如 Google Deepmind（星际争霸 2）、Facebook（星际争霸 2） 及 Open AI（Dota 2）等。

腾讯 AI Lab 从2016年开始研究此类智能体。2016 年起，研发的围棋 AI “绝艺”（Fine Art），现担任中国国家围棋队训练专用 AI ；2017 年，启动「绝悟」研发；2018 年，「绝悟」 达到业余顶尖水平。现在，「绝悟」终于达到了电竞职业玩家水平！

而长期应用上，「绝悟」将是腾讯攻克 AI 终极研究难题 —— 通用人工智能的关键一步。

绝悟是如何炼成的？新智元专访腾讯AI团队

赛后，新智元第一时间采访了腾讯AI Lab的“绝悟”团队，为我们揭晓制霸王者荣耀的“绝悟”是如何炼成的。

新智元：“绝艺”是围棋AI，“绝悟”为什么选择“王者荣耀”这个游戏？

绝悟团队：首先，王者荣耀在设计上的高复杂度、高挑战性，满足了对高水平游戏AI的研究需要；第二，王者荣耀是一个公平竞技的游戏环境，能测试出AI与职业选手的水平差距；第三，王者荣耀很早就与我们确定了联合研究意向，提供了运行游戏的测试环境，帮助搭建和开发独立的研究平台，极大提升了我们的研究效率；最后，这款游戏的玩家数量众多，口碑很好，能更好帮助普及和推广AI的研究成果，推进技术进步。

新智元：「绝悟」版本建立了基于“观察-行动-奖励”的深度强化学习模型，这个模型是如何训练出来的，训练了多久，用了多少计算资源？

绝悟团队：与去年12月的版本相比，此次达到职业水平的「绝悟」是完全使用深度强化学习模型，无需人类数据，从白板学习（Tabula Rasa）开始，让 AI 自己与自己对战，一天的训练强度高达人类 440 年。AI 从0到1摸索成功经验，勤学苦练，既学会了如何站位、打野、辅助保护和躲避伤害等游戏常识。更惊喜的是，AI 也探索出了不同于人类常规做法的全新策略。（具体可见动图分析）

这个版本经过了几次大的迭代到达目前水平，「绝悟」训练使用384块GPU，8.5w核CPU，平均每天自对战局数相当于人类训练440年的量，训练周期持续训练半个月以上。

新智元：团队还创建One Model模型提升训练效率，“One Model模型”是怎样的，如何能够提升训练效率？

绝悟团队：我们创造了一个统一模型，让每个英雄的训练都使用这个模型，这样就比每个英雄用不同模型要能极大提升训练效率。

新智元：跟DeepMind的AlphaStar相比，「绝悟」有什么特殊的地方？王者荣耀和星际争霸这两个游戏，AI需要解决的问题有什么异同？

绝悟团队：游戏其实是对真实世界的一种模拟，一种只有一个具体目标的模拟，这正是人工智能学习的绝佳试验场。但我们的目标从来不只是游戏 AI ，而是希望 AI 在学习如何做上千个小决定后来达成更大的终极目标。

我们的长期研究目标从未改变：「绝悟」将是腾讯攻克 AI 终极研究难题——通用人工智能的关键一步。AGI 代表研发能在通用系统中执行多种复杂命令，达到或超越人类水平的 AI ，从「绝艺」到「绝悟」，不断让 AI 从0到1去学习进化，并发展出一套合理的行为模式，这中间的经验、方法与结论，长期来看，有望在大范围内，如医疗、制造、无人驾驶、农业到智慧城市管理等领域带来更深远影响。

新智元：你们的团队多少人在做「绝悟」，跟「绝艺」是同个团队吗？8个月的时间胜率从48%提高到99.8%，你们做了哪些优化？

绝悟团队：是长期致力于游戏AI和多智能体研究的团队，部分成员来自围棋AI 「绝艺」的团队。「绝悟」的研发是算法+算力高度结合，需要极致优化的算力平台和持续改进的优化算法，综合了AI Lab的科研与工程人才资源，还联合了我们所在的腾讯技术与工程事业部（TEG）旗下基础架构平台部人才。主要工作包括模型、特征、算力、数据的优化，机器虚拟化、搭建和优化数据处理、并行计算和机器学习训练的平台。

新智元：「绝悟」无需人类数据，从白板学习开始，那么它的策略和人类相比有什么异同，从中可以发现什么？

我们使用零和奖惩机制让 AI 能最大化团队利益，使其打法果断，有舍有得。我们发现 AI 探索出了一些全新策略，并非常见和传统的打法。比如：

非传统对线走位，AI经常从经济最大化角度选用此策略。比如此次测试中，开局时「绝悟」没选择传统人类对线走位策略，而是由双C位英雄虞姬和王昭君先一起清理中路第一波兵线，压制敌方中辅。之后又转上路压制曹操血线。

果断取舍：比如人类打龙时，兵线在 AI 方，AI 会放弃抢龙，放弃兵线优势，直接推高地塔。

新智元：你们下一步的计划是什么？

绝悟团队：研究上，短期仍希望能将 AI 的策略协作提升到极致水平。具体的测试形式仍在探讨中。长期的研究目标从未改变：“绝悟”将是腾讯攻克 AI 终极研究难题——通用人工智能的关键一步。AGI 代表研发能在通用系统中执行多种复杂命令，达到或超越人类水平的 AI ，从「绝艺」到「绝悟」，不断让 AI 从0到1去学习进化，并发展出一套合理的行为模式，这中间的经验、方法与结论，长期来看，有望在大范围内，如医疗、制造、无人驾驶、农业到智慧城市管理等领域带来更深远影响。