死亡也是可以預(yù)測(cè)的嗎？AI預(yù)測(cè)你的英雄5秒后就要死了！

死亡也是可以預(yù)測(cè)的嗎？如果可以預(yù)見未來，那么最遠(yuǎn)能預(yù)測(cè)多久以后呢？約克大學(xué)的研究人員最新研究結(jié)果表明，通過AI模型提取游戲角色特征，如當(dāng)前狀態(tài)、裝備、英雄技能、位置等因素，可在5秒內(nèi)預(yù)測(cè)該角色的死亡時(shí)間，準(zhǔn)確率最高為0.725。

如果能夠預(yù)知死亡，哪怕只有5秒，你會(huì)做什么呢？

近日，約克大學(xué)的研究者用AI預(yù)測(cè)死亡。不過不是人類的死亡，而是Dota 2中英雄的陣亡概率。

論文標(biāo)題：Time to Die: Death Prediction in Dota 2 using Deep Learning

論文地址：

https://arxiv.org/pdf/1906.03939.pdf

Dota 2由Valve公司發(fā)行，是一款5v5在線競(jìng)技游戲。每個(gè)玩家操控一個(gè)英雄，分為敵對(duì)雙方進(jìn)行廝殺。終極目標(biāo)是在對(duì)方?jīng)]有推倒己方塔之前，推倒對(duì)方的塔。在推塔過程中，不可避免的會(huì)發(fā)生擊殺對(duì)方英雄、或者被對(duì)方英雄擊殺的情況。

擊殺是一個(gè)被鼓勵(lì)的行為，也是觀眾最愿意看的環(huán)節(jié)。它體現(xiàn)了一名Dota選手的操控力、判斷力以及反應(yīng)敏捷度。通常不會(huì)出現(xiàn)追到天涯海角、不弄死對(duì)方不罷休的情況。玩家會(huì)根據(jù)敵我雙方的血量、己方輸出和對(duì)方承受力、回血速度等進(jìn)行預(yù)判，爭(zhēng)取秒殺。

Dota 2平均每場(chǎng)比賽包含80000幀，每個(gè)英雄能執(zhí)行170000個(gè)可能的動(dòng)作；游玩家在每幀上平均會(huì)完成10000個(gè)動(dòng)作；玩家可以撿起、購(gòu)買上百種裝備。

成功完成一次擊殺，不僅要考慮己方輸出值和對(duì)方的血量。因?yàn)楣糨敵鍪窃谝欢ǖ姆秶鷥?nèi)波動(dòng)的，針對(duì)不同的甲、回血速度、裝備的道具等，輸出會(huì)有不同程度的折扣。

比如一個(gè)英雄的回血速度是每秒1點(diǎn)，他剛好裝備了一件加速回血的裝備，可以將回血速度提升10%，那么就有可能出現(xiàn)本來剛剛好能夠秒殺、但由于回血速度加快，導(dǎo)致技能放在對(duì)方英雄身上的同時(shí)對(duì)方回上了一點(diǎn)血，順利逃脫。

最終，AI面對(duì)的是一個(gè)超過20000維度的復(fù)雜狀況。

而AI解決這種復(fù)雜問題的方式也很簡(jiǎn)單粗暴，就是獲取盡可能多的數(shù)據(jù)。研究人員想辦法獲取了Valve公司12月5日之前5000場(chǎng)職業(yè)比賽，以及5000場(chǎng)半職業(yè)比賽的replay。

他們的語(yǔ)料庫(kù)在預(yù)處理和誤差計(jì)算后共包含7311個(gè)文件，并通過在4-tick采樣周期（對(duì)應(yīng)0.133秒的游戲時(shí)間）內(nèi)記錄屬性集數(shù)值，然后又從語(yǔ)料庫(kù)中提取數(shù)據(jù)并轉(zhuǎn)化為時(shí)間序列。

基于語(yǔ)料庫(kù)中的數(shù)據(jù)，研究者為每個(gè)英雄提取了287個(gè)特征，比如血量、輸出值等。研究人員最終得出結(jié)論：時(shí)間、玩家當(dāng)前狀態(tài)（如血量和護(hù)甲）、可激活裝備、英雄技能、走位、與最近的敵人和己方防御塔的距離、以及可見性歷史是導(dǎo)致玩家死亡的重要因素。其中英雄的相對(duì)力量值和特定時(shí)間內(nèi)在地圖上的位置，是能否被秒殺的最關(guān)鍵因素。

那么接下來，就是創(chuàng)建一個(gè)能夠捕獲相關(guān)數(shù)據(jù)的特征集。研究者首先從相對(duì)力量值和在特定時(shí)間內(nèi)在地圖上的位置開始，慢慢構(gòu)建并完善特征集，最終為每個(gè)英雄集齊287個(gè)特征的特征集。

下表給出了一些重要特征的詳細(xì)描述。

可見性，指的是游戲雙方均需知道對(duì)方的英雄是否在視野內(nèi)，或者是否在攻擊范圍內(nèi)。一旦脫離視野，對(duì)方英雄就可能出現(xiàn)在地圖的任何位置，所以需要給英雄加上這個(gè)特征。

10個(gè)英雄共產(chǎn)生2870個(gè)輸入和5760萬個(gè)單個(gè)數(shù)據(jù)點(diǎn)，將其相乘后喂給機(jī)器學(xué)習(xí)算法，分別保留10%的數(shù)據(jù)用于驗(yàn)證和測(cè)試，然后開始預(yù)測(cè)英雄的陣亡概覽。

實(shí)驗(yàn)表明，預(yù)測(cè)的時(shí)候越短，成功率越高，0-5秒內(nèi)的平均預(yù)測(cè)精確度達(dá)到了0.5447，預(yù)測(cè)的時(shí)間越往后，精度越低。參看下圖：

模型詳解

研究者使用具有權(quán)重共享的深度前饋神經(jīng)網(wǎng)絡(luò)作為模型，輸入包含每位英雄的特征。在最大的特征集中，每位英雄具有287個(gè)特征，因此10位英雄共有2870個(gè)輸入；同時(shí)具有10個(gè)獨(dú)立的持續(xù)輸出，對(duì)應(yīng)表每個(gè)英雄在未來5秒內(nèi)死亡的概率。

網(wǎng)絡(luò)架構(gòu)

本質(zhì)上是創(chuàng)建一個(gè)子網(wǎng)絡(luò)，為英雄特性學(xué)習(xí)一個(gè)新的、更密集的表征。連接層附帶來自每個(gè)共享層的輸出，為網(wǎng)絡(luò)結(jié)構(gòu)的最后一部分（一個(gè)全連接網(wǎng)絡(luò)）創(chuàng)建一個(gè)輸入張量。每個(gè)隱藏層的輸出都使用RELU函數(shù)，網(wǎng)絡(luò)的最后一個(gè)激活函數(shù)是Sigmoid。

特征集

由于游戲復(fù)雜度高，研究者不確定該網(wǎng)絡(luò)是否可以利用所有的特征類別。為了深入了解，研究者創(chuàng)建了三個(gè)獨(dú)立的特征集，并利用三個(gè)獨(dú)立的超參數(shù)搜索運(yùn)行三個(gè)訓(xùn)練步驟：

最小的特征集（每個(gè)英雄15個(gè)特征）只包含當(dāng)前HP、錢、位置、英雄和塔的距離特征

中等特征集（每個(gè)英雄109個(gè)特征）包含除了英雄ID和能力特征之外的所有特征

大型特征集包含全部的特征，全部287個(gè)特征

訓(xùn)練網(wǎng)絡(luò)

對(duì)于每一個(gè)特征集，研究者使用基于隨機(jī)搜索的探索來確定最佳超參數(shù)，用于：層數(shù)、每層的神經(jīng)元數(shù)、學(xué)習(xí)率和批大小。

結(jié)果

表現(xiàn)最佳的模型達(dá)到了0.5447的平均精度。

但是聰明的新智元讀者肯定會(huì)問了，5秒時(shí)間一眨眼就過去了，這么短的時(shí)間內(nèi)能做什么？夠我扼住命運(yùn)的喉嚨讓他反轉(zhuǎn)嗎？

預(yù)測(cè)英雄死亡可能對(duì)增加游戲的趣味性或者競(jìng)技性沒什么用，對(duì)Dota玩家貌似也沒有什么實(shí)質(zhì)的作用。但是對(duì)于游戲解說就非常關(guān)鍵了！5秒的提前量已經(jīng)可以基本不漏掉任何精彩擊殺鏡頭了。