這個Dota 2 AI預(yù)測玩家在5秒鐘內(nèi)死亡

如果可以通過持續(xù)的人工智能研究獲得一個洞察力，那么許多曾經(jīng)被認為是不可知的事件實際上可以以相對較高的準確度進行預(yù)測。舉個例子?約克大學(xué)研究人員發(fā)表的一篇論文(“死亡時間：Dota 2中使用深度學(xué)習(xí)的死亡預(yù)測”)描述了一個能夠可靠地預(yù)測(在5秒鐘內(nèi))玩家角色將無法生存的系統(tǒng)Dota 2比賽。

對于沒有經(jīng)驗的人來說，Valve的Dota 2--一個古代防御(DotA)的后續(xù)行動，是暴雪的魔獸爭霸III：混亂統(tǒng)治的社區(qū)創(chuàng)造模式- 被稱為多人在線戰(zhàn)斗競技場，或MOBA。兩組五個玩家，每個玩家占據(jù)并保衛(wèi)一個基地，試圖摧毀位于地圖兩端的建筑物。玩家擁有獨特的能力，并收集解鎖新攻擊和防御動作的經(jīng)驗值和物品。

它比聽起來更復(fù)雜。平均匹配包含80,000個單獨的幀，在此期間每個角色可以執(zhí)行數(shù)十個170,000個可能的操作。棋盤上的玩家每幀平均完成10,000次移動，從而使游戲的總體尺寸超過20,000。每個玩家 - 其中超過100個 - 可以購買或購買數(shù)百種游戲內(nèi)物品。

本文的撰稿人指出，健康并不總是與死亡密切相關(guān)。這是因為一些角色具有治療能力，并且因為玩家可以購買游戲中的物品來治療它們或?qū)⑺鼈儌魉瓦h離危險?？紤]到這一點，該團隊采購了Valve提供的公共Dota 2重播文件，這些文件來自最近5,000個專業(yè)(主要錦標賽)和5,000個半專業(yè)(小型錦標賽和聯(lián)賽)，在12月5日之前播放。他們的語料庫經(jīng)過預(yù)處理后共有7,311個文件。錯誤計算，通過記錄具有4個滴答采樣周期的屬性設(shè)置值(對應(yīng)于0.133秒的游戲時間)從中提取并轉(zhuǎn)換為時間序列的數(shù)據(jù)。

根據(jù)這些數(shù)據(jù)，該團隊為每個玩家角色提取了287個特征，其中一些是游戲?qū)ο髮傩缘闹?如英雄健康狀況)。時間，玩家的當(dāng)前狀態(tài)(例如，力量和敏捷性)，可激活物品，英雄能力，英雄位置，距離最近的敵人和盟友塔的距離以及能見度歷史等指標是導(dǎo)致玩家死亡的最重要因素，據(jù)研究人員介紹，在給定時間內(nèi)相對強度和當(dāng)前地圖位置位居榜首。

“這些球員的行為確實取決于過去，”共同作者寫道。“例如，如果敵人剛剛消失，玩家仍然知道敵人在該區(qū)域。另一方面，如果敵人在幾分鐘前消失，那么敵人就可以從玩家的角度出發(fā)。這是我們添加可見性歷史記錄功能的動力。“

他們將訓(xùn)練數(shù)據(jù)--2,870個輸入和5760萬個人數(shù)據(jù)點(287個特征乘以10個玩家的乘積)輸入機器學(xué)習(xí)算法，保留10%的數(shù)據(jù)用于驗證，另外10%用于測試。在實驗過程中，研究小組發(fā)現(xiàn)，當(dāng)提示預(yù)測任何一支球隊的10名球員中的哪一名將在5秒內(nèi)死亡時，它的平均精確度為0.5447，精確度為0.377，最高為0.725。此外，他們報告說該模型可以在指定的5秒窗口之前預(yù)測死亡，這表明它了解了構(gòu)成殺戮的特征的“固有屬性”。

研究人員承認，他們的方法有一定的局限性，即系統(tǒng)需要超過200個游戲數(shù)據(jù)點(包括那些看不見的玩家)進行預(yù)測，并且它可能無法很好地推廣到較新的游戲版本。然而，他們說他們設(shè)計的模型，可以在Github上以開放源代碼獲得，可能對評論員和玩家有用，因為他們跟隨比賽的進展。

“電子競技游戲非常復(fù)雜，具有快速移動的動作，游戲的平衡可以在幾秒鐘內(nèi)改變，同時事件可以在比賽場地的多個區(qū)域發(fā)生。這樣的事件可以迅速發(fā)生，評論員和觀眾很容易錯過一個事件，只觀察事件的后續(xù)影響，“團隊寫道。“在Dota 2中，被對方球隊殺死的球員英雄是評論員和觀眾感興趣的關(guān)鍵事件。”