AI 通过观看人类玩游戏学会了玩 CS:GO！

人工智能在游戏中的表现：从CSGO到Dota2

本文探讨了人工智能在不同类型游戏中扮演的角色，并以CSGO和Dota2为例，分析了人工智能在游戏中的不同表现以及面临的挑战。

游戏复杂度与人工智能区分:

• 复杂游戏（如CSGO、LOL）: 由于游戏机制复杂，玩家水平差异巨大，即使表现糟糕的玩家也被称为“机器人”，这说明人工智能在复杂游戏中表现仍然落后于人类，难以达到与人类玩家相似的水平。
• 策略性游戏（如象棋、围棋）: 由于这些游戏可以被算法完全解决，人工智能已经达到了甚至超越人类的水平，因此很难区分人类玩家和人工智能。

人工智能在CSGO中的三个层级:

• 短期表现: 瞄准、移动、反应等基本操作，属于最容易实现的层面，也是大多数作弊程序所针对的层面。
• 中期表现: 地图导航、弹药管理、血量控制等，属于战术层面的策略，可以提升获胜的概率，但并非必不可少。
• 长期表现: 经济管理、策略规划、适应对手风格、团队合作等，属于最高层级的复杂策略，目前还没有针对这些层级的作弊程序。

OpenAI 5在Dota2中的成功:

• OpenAI 5是OpenAI开发的Dota2人工智能，在半封闭环境中学习了游戏，并发展出独特的策略和风格，取得了99.4%的胜率。
• OpenAI 5的成功表明，人工智能在复杂游戏中的策略层级上已经取得了突破，并展现了超越人类玩家的潜力。

总结:

本文指出，人工智能在不同类型游戏中表现出不同的能力。在复杂的游戏中，人工智能在短期表现方面已经接近人类，但在中期和长期策略方面还有很大的提升空间。OpenAI 5在Dota2中的成功表明，人工智能在复杂游戏中的策略层级上已经取得了突破，未来有可能在更多类型的游戏中展现出更强大的能力。

作为一名 CSGO 粉丝，制作这段视频真的很有趣。我知道 Valve 一直在使用深度学习或其他技术开发自己的机器人，但他们没有发布任何相关信息，所以我无法讨论它们。这项研究非常引人入胜，因为它实际上是在观看/观摩真实玩家，并从他们那里学习。如果这个 AI 代理能够扩展并学习更多关于游戏的细节，那将非常有趣。使用大规模行为克隆的《反恐精英》死亡竞赛[论文] https://arxiv.org/abs/2104.04258OpenAI Five[项目页面] https://openai.com/projects/five/