这个Dota 2 AI预测玩家在5秒钟内死亡

如果可以通过持续的人工智能研究获得一个洞察力，那么许多曾经被认为是不可知的事件实际上可以以相对较高的准确度进行预测。举个例子?约克大学研究人员发表的一篇论文(“死亡时间：Dota 2中使用深度学习的死亡预测”)描述了一个能够可靠地预测(在5秒钟内)玩家角色将无法生存的系统Dota 2比赛。

对于没有经验的人来说，Valve的Dota 2--一个古代防御(DotA)的后续行动，是暴雪的魔兽争霸III：混乱统治的社区创造模式- 被称为多人在线战斗竞技场，或MOBA。两组五个玩家，每个玩家占据并保卫一个基地，试图摧毁位于地图两端的建筑物。玩家拥有独特的能力，并收集解锁新攻击和防御动作的经验值和物品。

它比听起来更复杂。平均匹配包含80,000个单独的帧，在此期间每个角色可以执行数十个170,000个可能的操作。棋盘上的玩家每帧平均完成10,000次移动，从而使游戏的总体尺寸超过20,000。每个玩家 - 其中超过100个 - 可以购买或购买数百种游戏内物品。

本文的撰稿人指出，健康并不总是与死亡密切相关。这是因为一些角色具有治疗能力，并且因为玩家可以购买游戏中的物品来治疗它们或将它们传送远离危险。考虑到这一点，该团队采购了Valve提供的公共Dota 2重播文件，这些文件来自最近5,000个专业(主要锦标赛)和5,000个半专业(小型锦标赛和联赛)，在12月5日之前播放。他们的语料库经过预处理后共有7,311个文件。错误计算，通过记录具有4个滴答采样周期的属性设置值(对应于0.133秒的游戏时间)从中提取并转换为时间序列的数据。

根据这些数据，该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的值(如英雄健康状况)。时间，玩家的当前状态(例如，力量和敏捷性)，可激活物品，英雄能力，英雄位置，距离最近的敌人和盟友塔的距离以及能见度历史等指标是导致玩家死亡的最重要因素，据研究人员介绍，在给定时间内相对强度和当前地图位置位居榜首。

“这些球员的行为确实取决于过去，”共同作者写道。“例如，如果敌人刚刚消失，玩家仍然知道敌人在该区域。另一方面，如果敌人在几分钟前消失，那么敌人就可以从玩家的角度出发。这是我们添加可见性历史记录功能的动力。“

他们将训练数据--2,870个输入和5760万个人数据点(287个特征乘以10个玩家的乘积)输入机器学习算法，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，当提示预测任何一支球队的10名球员中的哪一名将在5秒内死亡时，它的平均精确度为0.5447，精确度为0.377，最高为0.725。此外，他们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杀戮的特征的“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(包括那些看不见的玩家)进行预测，并且它可能无法很好地推广到较新的游戏版本。然而，他们说他们设计的模型，可以在Github上以开放源代码获得，可能对评论员和玩家有用，因为他们跟随比赛的进展。

“电子竞技游戏非常复杂，具有快速移动的动作，游戏的平衡可以在几秒钟内改变，同时事件可以在比赛场地的多个区域发生。这样的事件可以迅速发生，评论员和观众很容易错过一个事件，只观察事件的后续影响，“团队写道。“在Dota 2中，被对方球队杀死的球员英雄是评论员和观众感兴趣的关键事件。”