dota2如何挑戰openai

A. dota2 怎麼打openai

這個至少目前是不能打的，openai並不是dota2官方的東西

B. 誰一直在研究如何使用人工智慧打王者榮耀

如果讓人工智慧來打王者榮耀，應該選擇什麼樣的英雄？近日，匹茨堡大學和騰訊 AI Lab 提交的論文給了我們答案：狄仁傑。在該研究中，人們嘗試了 AlphaGo Zero 中出現的蒙特卡洛樹搜索（MCTS）等技術，並取得了不錯的效果。
對於研究者而言，游戲是完美的 AI 訓練環境，教會人工智慧打各種電子游戲一直是很多人努力的目標。在開發 AlphaGo 並在圍棋上戰勝人類頂尖選手之後，DeepMind 正與暴雪合作開展星際爭霸 2 的人工智慧研究。去年 8 月，OpenAI 的人工智慧也曾在 Dota 2 上用人工智慧打敗了職業玩家。那麼手機上流行的多人在線戰術競技游戲（MOBA 游戲）《王者榮耀》呢？騰訊 AI Lab 自去年起一直在向外界透露正在進行這樣的研究。最近，匹茨堡大學、騰訊 AI Lab 等機構提交到 ICML 2018 大會的一篇論文揭開了王者榮耀 AI 研究的面紗。

本文中，我們將通過論文簡要介紹該研究背後的技術，以及人工智慧在王者榮耀中目前的能力。

2006 年 Remi Coulom 首次介紹了蒙特卡洛樹搜索（MCTS），2012 年 Browne 等人在論文中對其進行了詳細介紹。近年來 MCTS 因其在游戲 AI 領域的成功引起了廣泛關注，在 AlphaGo 出現時關注度到達頂峰（Silver et al., 2016）。假設給出初始狀態（或決策樹的根節點），那麼 MCTS 致力於迭代地構建與給定馬爾可夫決策過程（MDP）相關的決策樹，以便注意力被集中在狀態空間的「重要」區域。MCTS 背後的概念是如果給出大概的狀態或動作值估計，則只需要在具備高估計值的狀態和動作方向擴展決策樹。為此，MCTS 在樹到達一定深度時，利用子節點鑒別器（策略函數（Chaslot et al., 2006）rollout、價值函數評估（Campbell et al., 2002; Enzenberger, 2004），或二者的混合（Silver et al., 2016））的指引，生成對下游值的估計。然後將來自子節點的信息反向傳播回樹。

MCTS 的性能嚴重依賴策略／值逼近結果的質量（Gelly & Silver, 2007），同時

C. 機器人家中打敗dota2世界冠軍的openai跟alphago哪個厲害些

都是人工智慧，都有學習的能力，都是會越變越強的，我覺得不好區分誰厲害，因該是玩Dotaopenai厲害，圍棋alphgo厲害由於圍棋更有技術，可能出的套路更多，而且alphago出來的更早，暫且認為alphgo更厲害一點

D. OpenAI 的 Dota2 機器人強在哪

很多人誤解了AI
AI和我們現在打的人機是完全不同的概念
我們現在打的人機電腦是按照程序員設計好的內容與我們對戰
但是AI不同，AI是有自主學習能力的
程序員只做一些最初期的設定
如告訴電腦勝利條件（如打爆對面基地）至於為了達到最終目的怎麼玩游戲全是AI自己學習的
所有就算你去問程序員AI有什麼弱項弱點程序員自己也不知道
需要注意的是和Dendi對戰的AI勝利條件是二血一塔吧（並且還做出了一些限制需要學習的東西還算比較少吧。當初OpenAI的工作人員說那個AI只是進行了24小時的自主學習就達到了這個水平感覺還是可以接受的）
而且只要給電、硬體不損壞可以持續不間斷的自主學習不會被感覺左右造成操作失誤（如上頭）
還有就是瞬時計算量遠遠大於正常人類

E. 如何評價OpenAI在TI7上推出的1v1擊敗Dota2世界冠軍的AI BOT

歷史的必然 AI從alpha go開始就已經有在競技游戲中碾壓人類的趨勢了。1v1模式，變數更少，計算機計算能力是人類無法比擬的，失敗也是情有可原

F. 狂虐Dota2最強人類玩家的OpenAI是怎樣煉成的

此次人機大戰採取一對一模式，共進行三輪比賽。在第一場對戰中，OpenAI機器人只用了十分鍾就幹掉了Dendi，Dendi甚至還一度大叫，「請放過我吧！」到了第二場比賽，Dendi被痛打幾分鍾後，就主動放棄了比賽，並拒絕進行第三場比賽。

人類又輸了，而且輸得還很慘！那麼問題就來了，這位OpenAI機器人究竟是如何做到完虐人類的呢？答案就是「自學」。

新浪VR了解到，OpenAI機器人採取了「自我博弈（self-play）」的方式來學習打Dota，訓練過程中並沒有使用模仿學習或者類似於AlphaGo的樹搜索技術。簡單來講，「自我博弈」就是通過自己與自己的復製品對打，而不是與人類選手對戰，獲得游戲經驗。在「自我博弈」中，機器人與自己復製品的實力相當，就可以避免因對手太強或者太弱而學不到東西。而且，由於機器人的決策和操作速度遠遠超過人類，它就可以在短時間內用海量的比賽來迅速獲得更多經驗。

其實，「自我博弈」在此前AlphaGo的訓練中就有過類似應用，AlphaGo曾經通過自我對弈3000萬盤，來提高自己神經網路的精度。只不過，AlphaGo在自我對弈前，還曾被輸入16萬盤人類棋手的棋譜，通過海量棋譜來學習人類落子布局的特徵；而OpenAI則是完全從零開始，在對Dota游戲世界沒有認知的情況下就開始通過自我對練學習游戲方法。研發團隊也表示，他們並沒有為OpenAI機器人編入對戰策略，沒有為它指定任何戰術，一開始也沒讓它與人類高手對練，而是讓它「放飛自我」，隨機行動，在一次次失敗過程中逐漸掌握了游戲打法。

G. 《Dota2》職業選手與人工智慧solo

《Dota2》職業選手與人工智慧solo ,相信很多小夥伴都想知道關於《Dota2》職業選手與人工智慧solo 的信息，所謂工欲善其事必先利其器，下面小編帶給大家有關《Dota2》職業選手與人工智慧solo 詳情，一起來看看吧~

當初阿爾法狗(AlphaGo)橫掃圍棋棋壇時，不少玩家仍認為人工智慧是無法在競技向游戲中擊敗人類選手，畢竟電子競技需要更強的臨場反應和對局勢的預判。然而近日，《Dota2》職業選手Dendi在1V1的solo比賽中遇到了由OpenAI開發的人工智慧bot，結果竟被AI直落兩局落敗!這下子人類怕是坐不住了!

OpenAI是由SpaceX和特斯拉的CEO馬斯克牽頭創建的非營利組織，致力於人工智慧和機器人領域的研發。此次比賽，他們就將一個能打《Dota2》的機器人帶到了Ti現場。

從實際比賽中的表現來看，人工智慧bot可謂極為強悍，不僅會卡兵、s補刀，還會s掉技能抬手，憑借著極強的進攻性連續兩局擊敗Dendi。解說連連表示，“從未見過這么強的”。

有了良好的開頭，開發人員表示在1V1的solo之後，團隊的重心就要放在5V5的團隊競技上了!看得未荻那是瑟瑟發抖，這下子確實是菜得連電腦都打不過了……