图片来源：视觉中国
随着欢声笑语中打出“GG”，AI在游戏领域又有一个里程碑式的胜利。
没错，AI开始攻破Dota2的5V5团队战斗了，OpenAI研发的人工智能战队，首次在5v5的Dota2开黑团战对战中，击败人类玩家战队。
这个能打团战的AI名叫OpenAIFive，是OpenAI最新的研发成果。
OpenAIFive完全通过自我对战来学习打Dota2，每天的对战量据说相当于人类的年。而且惊人的硬件消耗量，应该也是创下纪录：块GPU和12.8万个CPU……
OpenAIFive的网络架构图
此次比赛中，人类出战的是五个业余玩家，但是经过此次比赛，OpenAI在其官方博客宣布，将进步一挑战职业团队，并定下了8月份击败国际顶级专业团队的目标（仅限一组英雄的条件下）。
其实，这并不是OpenAI首次公开试玩Dota2，早在去年，OpenAI在Dota21v1比赛中战胜了人类选手Dendi。
从DeepBlue到AlphaGo，再到现在的Dota2，将人工智能与人类之间进行较量，一直是计算机科学领域的有趣传统。
FPS游戏中“强大”的AI对手
AI的强大，尤其是在FPS类游戏中，是显然易见的。给定同样信息输出，接受同样信息输入的前提下，AI在绝大多数FPS游戏里都能碾压人类选手。
和围棋不同，FPS游戏讲究的是在最短时间里处理游戏给你的信息，你作出极快速的反应再输入进游戏，而相比AI来讲这两点都不是人类所擅长的。
抛开无需团队协作的1v1游戏模式，就5v5协作性的竞技类游戏而言，从理论上而言，复杂的英雄、物品、配合、长短期策略结合等等，让我们觉得现阶段的团队行FPS游戏对于AI较为困难。
但是，现实表现来说，AI的表现并不差。
通常的FPS游戏，主要信息输入主要包含三个因素：3D画面、3D声音、HUD（数值化的数据信息）。
以下图为例，上下左右有四个分区HUD，除了右下角之外可以说都很重要。然而你需要全神贯注卡点的时候，分时处理就显得很难了。
对于AI来说，这一切就变得相当简单了。AI可以对这三种信息进行同步处理，速度可以达到给定的FPS，即每秒分析60或更多画面。AI不存在人类分时处理的问题，AI完全可以另建一个信息子系统接管HUD信息，就像AlphaGO的胜率估算系统一样，对决策系统提供数据支持。
在3D声音方面，人耳可以进行简单的音源方位识别，所以3D游戏的音源会与3D模型绑定，对音源进行一定程度的高低音、左右音量处理，对空间声音进行仿真，但是在听觉定位上却有着难以克服的缺陷。
AI则可以对标准化的枪声和脚步声进行采样，再量化识别游戏对声音的处理情况，准确地逆向计算声音所代表的位置。翻译成你们人类能理解的画面，就是下面这样：
当然，一些有经验的职业玩家可以做到以耳机声音的细小差别辨别敌人位置，但是AI可以完全实现声音“透视”，而且多处理器的系统完全不存在只有人类才有的“注意力”问题。
但是，在Dota2这场比赛中，AI虽然赢得了比赛，但其也是依靠着诸多限制的。比如，比赛双方都使用固定的瘟疫法师、冥界亚龙、矮人火枪手、水晶室女、巫妖5个英雄；禁止使用幻象和分身等等。
熟知Dota的玩家都熟知，英雄选择的限制其实就已经大大降低了游戏的复杂度，隐身、肉山之类的禁用也缩小了战略战术的选择空间；至于5个无敌的信使就更像是对5个AI之间（也许并不理想的）协作能力的妥协了。
除了对抗，AI与游戏还有着更多的落地场景
显然，研究AI与游戏玩家对抗仅仅只是AI落地游戏行业的一个分支场景。
NVIDIA全球副总裁兼中国区总经理张建中先生在采访中说，人工智能的创新落地有四点，分别是自动驾驶汽车、AIcity、健康行业以及AI游戏，由此可以看出AI与游戏结合的巨大发展潜力。
社交将死，游戏上位，智能相对论分析师柯鸣认为，除开游戏对抗，AI落地游戏场景依然大有可为：
“神队友”增强游戏趣味性
目前，我们所提到的AI助力游戏，更多的是基于深度神经网络，人工智能技术在各大游戏产业上的应用。AI的游戏渗透从技术、内容提供商，直到游戏到达最终玩家，多从方面来为游戏“加码”。
AI不同于基本的电脑程序，回想上世纪许多电子游戏中的“愚蠢NPC”令人哭笑不得，此类游戏中的“人工智能”只是由代码和命令结合而成的“伪智能”，NPC们的更多行为只是由行为树决定的，并不具有学习能力。
但是，随着AlphaGo、OpenAI等AI开发平台的出现，其依托更加精密的算法和学习能力，大大增强了游戏的可玩性，提高了玩家的满意程度。比如，王者荣耀AI近期用户就能体验到，只要发现有人在对战中掉线，AI就会无缝对接，让AI替人去完成这局比赛。
谷歌旗下的DeepMind也宣布将与暴雪娱乐合作开发AI，用以在星际2游戏中增强玩家的游戏体验。微软此前开源了基于Minecraft的AI开发平台，允许用户可以在游戏中使用上帝模式测试AI，比如开发人员可以在《我的世界》中教AI如何爬山。
而更有开发者训练AI通过视觉输出，让AI在《我的世界》中摆放积木，但是结果却不尽如人意，这也体现出了当前AI的需长足发展之处。
让产品更加精致
随着电竞成为年杭州亚运会的正式比赛项目，游戏成为竞技项目的同时，游戏及比赛的公平性也成为了一个重要问题。人工智能在游戏领域的其中一种形态就是反作弊系统。人工智能机器可通过检测玩家的行为，分析出异常情况，来避免某些玩家使用作弊手段来获得胜利，保证游戏的公平性。
让产品优化无非是体现在两个方面，一方面是增强游戏角色真实感，另一方面是游戏场景设计。
在增强角色真实感上，爱丁堡大学推出的PFNN技术可以通过神经网络学习迅速生成动画，其效果显著。DeepMind训练了一个名叫WaveNet的AI，用于提升机器发出声音的逼真度，增强场景感知。
其他方面，国内外各大机构更是看准了AI游戏这块“香馍馍”，纷纷进行试水。
普林斯顿大学团队就通过研究自动驾驶来助力AI游戏。其将人工智能投放到游戏《GTA5》中，使得AI可以在游戏环境中不断得到训练，从而在面对不同的灯光、气候、路况等条件时，能够做出最优的反应。最终，研究人员成功开发出一项名叫DeepDrive的自动驾驶模拟器。
以游戏AI映照现实发展
AI应用在游戏领域，与其他的落地场景有一定的差异性。
游戏作为虚拟的存在，更是现实的一种写照，因此其游戏中对象在虚拟场景中遇到的各种感知和决策类问题，同样在生活中也会遇到，游戏中对这类问题的处理和解决方案，也可以反向应用于实际生活中。
腾讯AIlab机器学习中心负责人刘晗认为，游戏AI涉及到三个核心能力：对外界环境的感知、根据状态做出的决策、人与智能体之间的对话。
游戏AI研究当中对这些研究所累积的经验、方法与结论，有三个方向的用途：
首先是打通虚拟与现实世界的藩篱，从而赋能物理世界，比如无人车和机器人的发展；其次，游戏中对话智能的研究，或能成为通向强人工智能的重要路径；第三，研究游戏中人、智能体和环境的交互，能让智慧城市这样复杂而意义深远的项目受益。
比如对无人驾驶的训练，便是在虚拟环境下AI驾驶的一个应用事例。而这样的事例，将会越来越多。又如城市交通问题，AI与大数据可以帮助建立城市流通模式，并构建虚拟城市，游戏设计的同时更是裨益真实的城市交通。
总之，将AI在游戏中的应用简单的看成人机对抗是狭隘的，AI所连接的虚拟与现实，在游戏场景中大有可为。
虽然，目前AI的应用情况还有很长的路要走，但是，国内国内两大游戏巨头腾讯和网易也都已经入场，AI游戏的未来或许不会太远。（本文首发钛媒体）