9月17日，2018 世界人工智慧大會在上海拉開帷幕。在 SAIL 榜單入圍專案中，我看到了小愛同學、小馬智行、微軟小冰、騰訊覓影等等，這不僅讓我大開了眼界，也不禁讓我感慨 AI 的發展神速。猶記得去年在中國烏鎮圍棋峰會上，AlphaGo 與排名世界第一的世界圍棋冠軍柯潔對戰，以 3 比 0 的總比分獲勝，那時候只感覺這條“狗”真牛。
這也讓我回想起了更年少打“人機”的時光——“人機”模式總是很簡單，電腦很弱，給玩家的體驗並不好。我也曾給設計師出過加強電腦實力的主意——這些主意聽起來不錯，但不足以延長遊戲體驗的時間。
直到最近，我覺得 AI 是一種能夠提高“人機”對戰體驗的途徑——讓電腦更聰明，而不是預先設定更多的套路。
人機對戰的不足：電腦太弱
我曾經有三個一起玩人機的室友。其中一個叫做二狗子，他提議週五晚上去雲蛟網咖開黑玩“人機”大戰。
“四瓶可樂，服務員。你和小胖都沒玩過，今天玩人機熟悉一下吧。”二狗子皮膚有點黑，頭轉過來一邊和我說著，一邊登上了自己的賬號。
“電腦都很傻的，你隨便打就好了，選個遠端，勾引過來用技能耗。這個輔助和射手就是等會和你對線的，小胖中路打這個法師，上路對這個，打野的話你就當他不存在吧，我等會會來幫你的。”按著二狗子說的，我選了一個看上去很厲害（漂亮）的打射手。
果然“人機”對戰裡的電腦都很傻。每盤射手和輔助都會固定前往三條路線中的下路，而且在遊戲難度模式不變的情況下，射手的英雄都是固定兩位更替，似乎電腦端只會使用這兩套技能。
英雄之間也幾乎看不出有任何配合，輔助和射手各自作戰，有技能放技能，血量低於一定量的時候會立刻“光速”釋放保命技能逃跑。對我這個不熟悉操作的倒是一個難題，每當殘血時的快速逃跑，讓我很難擊敗對面英雄獲得點數。
還有一個特點是，電腦從來不會冒險追擊，電腦控制的人物都有自己的巡邏範圍，設下陷阱後再引誘，往往會在中招前早早的折返回去。就像我找到了一個位置，剛好我能擊中對方，而對方準備還擊時，卻因為超出範圍，折返回去，以此慢慢消耗對方，但往往會觸發對方的逃跑機制。
二狗子把遊戲改到困難模式後，電腦的英雄變得多樣，釋放技能更加頻繁，甚至還有多人合作。開局我就被打得節節退敗，但失敗多次後簡單總結觀察，掌握了電腦方的套路後，簡簡單單又贏了。
並不靠譜的主意：多套路，加數值
“果然人機都很傻。”贏了之後，我總結道。“不過這人機的設計師，似乎還真的有點本事。許多看上去很傻的行為，現在想想都有點道理，”
我開了另一瓶可樂，發出哧溜的氣響，“要是我來設計，肯定不這樣。”
“首先，大量收集每場戰鬥的資料，作為一個樣本。之後，根據玩家選擇的英雄來選擇電腦英雄的作戰方式，比如碰到閃避型的玩家英雄，根據之前資料的統計，採取防禦守塔的方式，消磨對方的耐心，對面就算閃來閃去操作靈活，但短時間內也無法立即攻破。碰到防禦型的玩家英雄，則採取進攻慾望強的方式，搶佔先機。
之後就是套路，遇到玩家在固定地點埋伏等待時，立刻更改行軍路線，並根據失敗率較低的樣本來規劃路線。
最後就是加強電腦英雄的能力，在身體素質上壓制，畢竟在霸道的力量面前，大部分的策略都是以卵擊石。”
我講得似乎很來勁，但是二狗子只是敷衍地嗯嗯，然後說了一句：“我偷塔不就好了。”
到現在我還是沒有辦法反駁二狗子的話，因為人類玩家總有辦法靠套路獲勝，縱使電腦端不斷採取獲勝概率較大的方案——電腦在“吸取教訓”後，也就是所謂的機器學習，給玩家會有很直觀的體驗，覺得電腦變聰明瞭，但這一學習方法很快就會遇到瓶頸，玩家也會隨機固定出一套打法，人機遊戲體驗也就到了盡頭。
直到最近，我覺得似乎有理由反駁二狗子的話了，雖然都到了喝輕怡可樂的年數。
人機對戰的進階：人工神經網路
“你開啟這個視訊看看，DOTA 2 國際賽上這個 OpenAI，就很強。才過去這麼幾年，現在拿來虐虐我一點問題都沒有。”
二狗子直接丟了一句“懶得看”，並立馬貼了一篇文章給我。
“筆記記得再厚，概率算得再準是沒用的，你那一套思路最多隻能把遊戲從困難變成超級困難，之後提升難度只能靠改名字來唬人，人家大廠幾年前就用‘人工神經網路’來優化 AI 了。”
“也就是，人造英雄對抗人？”
“是的，我給你講講大概原理，你聽不聽？“二狗子發了個“大兵”表情，並處於“正在輸入中”：
“人工神經網路通過前向傳播對輸入值，進行權值運算，最後一層層傳下去得到最終輸出預測的值。再通過反向傳播，與真實值做對比修正前向傳播的權值和偏置。你看看這個圖理解一下。”二狗子馬上發了一個奇怪的圖——
“不懂。你再說詳細一點。”
二狗子：“上面這圖提到的就是反向傳播，反向傳播在不斷的更新引數 W 和 B 通過梯度下降的演算法，運用梯度下降的演算法可以找出一組 W 和 B，使得函式 C 最小，在樣本上找到最優或者近似最優的 W 和 B ，之後使用 W 和 B 進行預測。你再看看這個圖理解一下。”
“哦！哦！！原來是這樣啊，也就是比賽 AI 那邊還坐著一排遊戲選手對吧。“
二狗子繼續：“差不多，您是不是感覺視訊裡就跟真人玩家互相競賽一樣呢？這種體驗才是能延長人機遊戲生命週期的關鍵。首先從資料上，樣本採集自然是不可或缺的，但是樣本採集後不是死的，得活用起來，你就好比用樣本來塑造一個職業選手的形象，紅色樣本代表進攻較強並取得勝利的對戰資料，再用這個紅色樣本堆砌成一名紅色選手，命名為好戰的斯巴達，然後此基礎上，讓斯巴達有一定計算能力，分析遊戲開始 15 分鐘這一時間段的各類資料，再接著比較使用特洛伊還是長阪坡等方案的勝率。”
“我更喜歡沉穩的傑尼龜。”我總覺得得說點什麼，不然顯得我不如二狗子，“那就是電腦計算能力夠強，5 分鐘總結一次，1 分鐘總結一次，那豈不是天下第一了。我還可以預知一下人類玩家的策略，這類競技遊戲套路全都輸入到資料庫後，比如一看見三名玩家聚在一起，我先綜合比較一下戰局的優劣勢，AI 優勢則 4 人圍剿，一人守家，AI 劣勢則 4 人防守，一人偷塔。AI 也要你嚐嚐被偷塔的滋味。”
深度學習三要素：資料、模型、計算
“恩，反正差不多這個意思，深度學習實際上就這三點：資料、模型、計算。競技遊戲像 DOTA 這種就十分考究這三點的綜合程度。但往往日常功能裡，按照這個框架走，就有很好的效果。你看又拍雲的這個內容識別功能，就是深度學習的經典案例。你看看這個，我先去開瓶可樂。”二狗子發了一張圖給我，我彷彿聽見電腦的那一段，“哧溜”的氣泡聲。
圖片中的內容，應該就是他所說的經典三點式：
- 視訊直播，視訊點播，圖片，文字，就是資料；
- 人工處理，訓練平臺得到模型；
- 內容識別系統，就是計算的過程；
我嘗試上傳幾張圖片之後，馬上就能得出結果了，像這樣：
不知道二狗子可樂喝光了沒有，我還是挺想和他有空再去玩人機對戰的。對，就像那天在雲蛟網咖裡面的一局，電腦英雄斯維因拿了我和小胖 25 個擊殺後，又輕鬆把二狗子秒殺的神奇局。
“要不是你們這兩個豬隊友，送成這樣我會打不過？晚上可樂你買單。”