dota2ai可以在5秒内预测玩家死亡

如果要从持续的人工智能研究中得出一个结论，那就是许多曾经被认为是不可知的事件，实际上是可以用相对较高的准确度预测的。例子吗?约克大学(University of York)的研究人员发表了一篇论文(题为《死亡时间:利用深度学习在dota2中预测死亡》(Time to Die: Death Prediction in dota2 using Deep Learning))，描述了一个能够可靠预测(在5秒内)哪些玩家角色将在dota2比赛中死亡的系统。

对于外行来说，Valve的《Dota 2》是《远古防御》(Dota)的后续，这是暴雪公司为《魔兽争霸3:混乱之王》创造的一个社区mod，它被称为多人在线战斗竞技场(MOBA)。两组，每组5个玩家，每组占据和保卫一个基地，试图摧毁位于地图两端的建筑。玩家拥有一套独特的能力，并收集经验点和物品来解锁新的攻击和防御动作。

这比听起来要复杂得多。平均匹配包含80000个单独的帧，在此期间每个字符可以执行170,000个可能的操作。棋盘上的玩家在每一帧平均完成10,000步，这使得游戏的总维度超过20,000。每个玩家(超过100人)都可以在游戏中挑选或购买数百件物品。

这篇文章的作者指出，健康并不总是与死亡紧密相关。这是因为有些角色有治疗能力，因为玩家可以购买游戏内的物品来治疗他们或传送他们远离危险。考虑到这一点，团队从12月5日之前的5000场职业(大型比赛)和5000场半职业(小型比赛和联赛)比赛中获得了Valve提供的公共dota2回放文件。他们的语料库经过预处理和错误统计后总共有7,311个文件，他们从这些数据中提取并转换为时间序列，通过记录属性集值以4个节拍的采样周期(相当于游戏时间的0.133秒)。

上图:显示匹配部分的图表，其中“K”表示必杀。

从这些数据中，团队为每个玩家角色提取了287个特征，其中一些是游戏对象属性值(如英雄健康值)。指标和时间一样,玩家的当前状态(例如,力量和敏捷性),激活做项目,英雄的能力,英雄的位置,距离最近的活着的敌人和盟友塔,历史和可见性是最重要的因素导致了玩家的死亡,据研究人员介绍,相对强度和当前地图位置在给定的时间高居榜首。

“球员的行为确实依赖于过去，”合著者写道。“例如，如果一个敌人消失了，玩家仍然知道敌人就在该区域。另一方面，如果敌人在几分钟前消失了，那么从玩家的角度来看，敌人可能在任何地方。这就是我们添加可视性历史特性的动机。”

他们将训练数据——2870个输入和5760万个单独的数据点，287个特征的乘积乘以10个参与者——输入到一个机器学习算法中，保留10%的数据用于验证，另外10%用于测试。在实验过程中，研究小组发现，当被要求预测两队10名队员中谁会在5秒内死亡时，它的平均准确率达到了0.5447，而0.377的准确率达到了0.725。此外，他们还报告说，该模型可以在指定的5秒窗口之前预测死亡，这表明它了解了构成死亡的特征的“固有属性”。

研究人员承认他们的方法有一定的局限性，即系统需要超过200个游戏数据点(包括看不见的玩家的数据点)来进行预测，而且它可能不适用于更新的游戏版本。不过，他们表示，他们设计的模型可以在Github上以开源方式获得，可能会对关注比赛进程的评论员和球员有用。

“电子竞技游戏非常复杂，动作变化很快，游戏的平衡可能会在几秒钟内改变，事件可能会同时在多个领域发生。这样的事件发生得很快，评论员和观众很容易错过一个事件，只看到事件的后续影响，”该团队写道。“在《遗迹保卫战2》中，玩家英雄被对手杀死是评论员和观众感兴趣的关键事件。”