去年 5 月初，王者荣耀上线了一个挑战 AI 「绝悟」的限时活动，当时打开游戏界面，就能看到 「挑战·绝悟」的入口，活动出来，我就去体验了一下。
这个挑战一共五关，一关比一关难，像我这样的农药大神前几关随便过，最后一关就只能推塔了，正面硬刚肯定刚不过。这种不敢正面怼的感觉「似曾相识」，我在英雄联盟的末日人机中也体会过，拉克丝的天女散花我至今还有阴影。腾讯的「绝悟」在世界冠军杯半决赛中打败了职业选手，随后又在面向顶级业余玩家开放的体验测试中拿下 99.8% 的胜率。虽然输了一场，但这个出道没多久的 AI 玩家在电竞圈也算打出了名气，当然这个战绩和王校长比还差点，校长在 100% 胜率时宣布退役，是 LOL 电竞圈唯一一位主动放弃 S 赛名额的选手 。话说回来，训练出像「绝悟」这样吊的 AI，需要腾讯掌握的海量数据和强大的财力，平民也只能体会挨打的快乐，普通玩家要想训练出一个这样的人工智能不太现实。不过，今天，我给大家带来一个「平民版」的王者农药 AI。这个项目已经在 GitHub 开源，作者是 FengQuanLi，我把预训练文件下载方式和开源地址放在了后台，关注微信公众号「逛逛GitHub」回复「王者」下载。下面是 AI 自己玩王者的视频，先睹为快：视频来自公众号「Jack Cui」该视频是两倍速播放，开源项目作者只训练了一个「后裔」英雄，如果想用其他英雄，可以自己训练。01实现原理这个开源项目的实现原理是怎样的 ？下图是这个模型的核心代码，不算难，我一步步的拆解，我尽量用通俗的语言描述这些技术。让电脑帮我们玩游戏可以分为如下几步，当然这种方式是比较容易实现的方式，并不会用到「强化学习」的东西，而屠杀围棋圈的 AlphaGo 算法是基于强化学习。1. 获取当前游戏界面。既英雄现在是什么状态、周围有没有敌方英雄、小兵等等。
2. 根据当前游戏界面状态生成操作指令，是应该前进、攻击还是释放技能。
3. 根据生成的操作指令去控制手机，英雄做出相应的动作。对于训练一个平民版的人工智能模型，大体流程就是这样。其中获取当前游戏界面、根据指令去控制手机都有成熟的技术。比如这个项目中使用 scrcpy 获取安卓手机的投屏，这款安卓投屏神器可以将游戏画面投屏到电脑桌面上。有了游戏画面，就得到了这时战局的状况。游戏画面是图片的形式，至于这个图片包含什么内容，人能看明白，但是电脑不懂。这就需要我们自己去提取图片中的特征，这里便会用到深度学习算法的东西。基于卷积神经网络（CNN）来提取图片的特征，项目中使用的是 ResNet 101 分类网络。通过训练这个卷积神经网络，该网络就会具备提取游戏画面特征的能量，有了这些，算法才能进行下一步操作指令的生成。根据图片生成操作指令是开源项目的关键点，这里用的就是大名鼎鼎的 Transformer。Transformer 是 2017 年的一篇论文《Attention is All You Need》提出的一种模型架构，其开创性的思想像一颗重磅炸弹，震惊了整个 NLP 领域。目前在 NLP 各业务全面开花的语言模型如 GPT, BERT 等，都是基于这个模型，搞 Java 的读者可能没听说过这个东西，但是搞算法的小伙伴对这个技术肯定不陌生。生成一系列操作指令，说白了就是生成序列数据，而 Transformer 的 Decoder 就是干这个的，该项目也是使用基于 Transformer 的技术 GPT 构建的。当然图片特征提取和生成操作指令是一起进行「端到端」训练的，为了方便大家理解，我拆开说的。能够生成操作指令了，下一步就就是使用这些指令控制英雄。minitouch 便可完成这一目的，它提供了一个 socket 接口，用于在 Android 设备上触发多点触控事件和手势。总结来说：用 scrcpy 获取当前游戏画面，使用 Transformer 根据图片生成操作指令，然后利用 minitouch 执行这些操作指令，这时游戏中的英雄就会按照指令进行动作了。至于会进行什么样的动作得看你喂给模型什么样的数据了。目前这个模型是使用「后裔」 100 多局对战数据下训练的，对局会表现出送人头之类的问题。这是因为数据量少并且场景简单，有一些复杂场景的数据没有覆盖到，遇到这种不确定因素，英雄也不知道怎么办了。02
如何使用
使用前，你需要安装好环境和依赖，比如：torch，scrcpy, minitouch 等。还得需要一部安卓手机，如果需要训练自己的英雄还需一块 6 GB显存的显卡。一、首先下载模型
你可以关注微信公众号「逛逛GitHub」回复「王者」下载训练过的模型，然后后放入weights 文件夹下
二、修改配置
先运行 「启动和结束进程.py”」启动 scrcpy 把「训练数据截取_A.py”」中的两项改成你设备的参数，_DEVICE_ID 是 adb devices后显示的那个id。
三、运行
这时启动王者荣耀进入 5v5 人机对战 运行 「训练数据截取_A.py”」即可。如下想训练自己的英雄，项目描述中也有方法，如果需要可以去移步项目地址，不过该项目还只是一个雏形，如果有能力可以自己完善。
[2] www.bilibili.com/video/BV1UK411g7sF
最后，防止找不到本篇文章，可以收藏点赞，方便翻阅查找。本文首发至公众号 逛逛GitHub（ggGithub），转载请注明出处。每天推荐一个有趣、好玩且可能你会用到的 GitHub 项目。