愚人節,我們談一談LOL里的“高級人工智能”

FOOL YOU

去年3月份,AlphaGo戰勝了李世石;

兩個月后,扎克伯格說他的智能管家Jarvis已經知道什么時候該為他烤個面包了(Jarvis is really cool !);

而4月1日愚人節,人工智能終于登陸了德瑪西亞。



我們來玩一局游戲進行一下人工智能的AI水平測試



意外的“被人機”

初入游戲:

震驚!竟然還加入了機器學習功能,擔心以后會不會打不過電腦。

腦補將來LPL冠軍隊伍挑戰人機的局面(雖然人類不可能獲得勝利)。


電腦陣容

陣容:

從陣容上來看電腦的選擇還是很合理的,召喚師技能更是符合普通玩家的特點。

人工智能可以做到這么完美的模仿,那我們猜測一下實現方法:實際上在選擇英雄界面就是匹配了人類一個隊伍A,然后根據人類隊伍A陣容和召喚師技能選擇來進行機器隊伍B的選擇,在進入游戲時,雙方隊伍分別與對方人類隊伍的人機復制隊伍戰斗,這也正好對應了游戲結算界面顯示的是人類隊伍而不是人機的問題。

游戲水平:

游戲時長進行到 3:40 秒,雙方已經爆發了 11 個人頭,人類VS人工智能 9:2

從這個結果看,人機的對線水平并不高。我們隊伍大多選手為黃金段位,那電腦整體游戲水平也只是接近黃金。

電腦會做的事情:


回旋踢更6

從第一局游戲看:

1/瑞文是會的光速QA的

2/盲僧的插眼w加回旋踢是標配,高興了再給你加個“摸眼回旋踢加R閃”豪華套餐

3/殘血時有反向繞草叢逃生意識

從這些細節看,果然電腦做一些操作會很容易,只需要設定好一套算法,就可以秒執行。

如果拿鍵盤釋放技能來比喻,那么可以設定程序 X=“插眼w加回旋踢” , 那電腦如果想執行回旋踢只需要

{

X="插眼w加回旋踢"

判斷 if ”敵我距離<=技能釋放距離“;

選定目標 ;

do“ 按下 X ” ;

}

電腦做判斷是瞬間的,人類反應無法比擬。

那這樣來看如果設計師想的話,人的操作精度和速度是不可能比得過電腦的。

(這里本來是錄制了視頻做了動態圖,但是做的太大不會上傳到簡書)

那為什么我們會贏:

我們來進行一些合理的推測

攻速諾手很暴力

在追殺電腦的時候,出現了一個細節——電腦人物閃現撞墻。

如果是電腦的話,它在逃生的時候想進行閃現過墻操作,那么他可能有如下程序:

{

閃現距離=500;

判斷 if ”0<血量<50“” and “墻的距離<550”;

do “ 閃現吧!”;

}

人工智能在血量極低的情況下會判斷 550 碼距離就可以閃現(實際500碼才可以),這也就模仿了玩家低血量緊張閃現撞墻的情況。

這類設定一方面模仿了玩家的實際操作,又同時給玩家放了水。不然技能幾乎必中,走位無限躲技能(外掛可以實現的事情),誰會想和一群外掛打游戲。所以設計師是故意放了水的,讓AI適當技能的準確度并不是百分百,不然S系列聯賽冠軍可就是人機了。

一些電腦做不到的事情:

李開復說電腦做不到的事情是幽默

在LOL里的幽默表現在:我們殺完人會亮”狗牌“,無聊時會ctrl + 6 跳舞。那電腦會進行這些"幽默"的操作嗎?

我想也可以吧,判斷”雙方靜止時間>10 s“,執行”跳舞“就行了。殺完人,給AI一個5%的隨機判斷是否執行”亮狗牌“。順便再賦予個”周圍有隊友亮狗牌and距離<800“就執行隨機概率加20%的屬性,所以很容易出現集體”亮狗牌“的行為。

那人工智能比較難實現的到底是什么

——我想是戰術

比如4/1分推:什么時候進行分推,分推應該讓誰去做,隊友如何配合隊友的分推進行牽制,隊友又如何配合你做眼位保護你分推的安全性。

人機為什么不能執行戰術。 舉個栗子,當初噩夢人機的贏法有兩種 :

1/第一種要求一些技術:在對線前幾級利用電腦技能還比較少,進行操作碾壓,一直等級壓制滾起雪球,裝備好了也就能跟電腦有一站之力了。

2/第二種方法就簡單多了:分帶。電腦就在守塔問題上無法判斷,他們認為團戰=5人聚集,這就是電腦死板的地方。

也就是說電腦做不到處理未知情況的能力,在”團隊”的概念上也很難像人一樣建立。

Happy April Fool's Day


然而因為今天是愚人節,所以以上分析根本是沒有什么卵用的。

人工智能根本就是人名換成了電腦的名字加上了一些莫名奇妙的話。

拳頭爸爸真的是愛開玩笑!!!很認真的想了很多后才發現是愚人節玩笑!!

但是為什么我以為對面是電腦出了個幾乎全攻速也贏了!

好大的一盤棋完全被騙。

S H I T !

哈哈


愚人節快樂


Jarvis

附個智能管家Jarvis的視頻:如果你想了解更多有關賈維斯——Hell yeah~

放假在學校真無聊啊!下周去爬山吧,去哪個好?


最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,885評論 6 541
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,312評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,993評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,667評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,410評論 6 411
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,778評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,775評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,955評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,521評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,266評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,468評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,998評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,696評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,095評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,385評論 1 294
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,193評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,431評論 2 378

推薦閱讀更多精彩內容