OpenAI 于近日的一項研討中發明，在一個非明白的技巧練習的情況中，AI 可以或許經由過程“自我對局”的練習控制一系列舉措技巧，好比防御、回避、假舉措、踢、抓等等。“自我對局”練習肯定了情況關于晉升AI體系的主要性。Dota2在“自我對局”練習中的表示和成果讓團隊愈來愈信任，“自我對局”練習不久將會成為AI體系的焦點。對本文停止編譯，全文以下：
我們在幾個3D機械人之間設置了一些根本的游戲比賽，應用一些簡略的目的（好比：將敵手推參預地圈外；達到場地的另外一邊，并阻攔敵手達到；把球踢進敵手的網內，而不讓敵手的球踢進本身的網內等。）對每一個機械人停止練習，而且剖析機械人在完成目的時所應用的技巧和戰略。
一開端，機械人會由于站立、進步如許的行動而取得豐富的嘉獎，但最初這些嘉獎會被清零，只要成功的機械人才網job.vhao.net會取得嘉獎。除這些簡略的嘉獎之外，機械人還會學到一系列舉措技巧，好比防御、回避、假舉措、踢、抓等等。在這個進程中，每一個機械人的神經收集都零丁接收了“近端戰略優化” 的練習。
為了弄清晰在這些目的和比賽的壓力眼前，機械人會作出若何龐雜的行為，我們無妨剖析一下機械人的“摔角相撲”競賽吧。在這個競賽中，為了練習機械人行走，我們在競賽后期給機械人設置了豐富的嘉獎；增長了從這個圓形場地中間起的負L2間隔，而且將其設置為機械人取得的豐富嘉獎。機械人一開端的時刻可使用這些嘉獎在競賽場地內作出一些舉措和反響，然則我們會在練習中把嘉獎靜靜地清零。如許一來，在接上去的練習迭代中，機械人才網job.vhao.net會為了獲得更多的嘉獎，自發地對本身的舉措和技巧停止優化。
設計出有助于這些技巧練習的義務和情況并不是弗成能，但這不只須要研討員消耗年夜量的精神，還須要他們具有獨到的創意。另外，機械人的行動也能夠會由于人類設計師在設計中涌現的成績而變得更龐雜。經由過程不計其數次的迭代優化，我們可以或許開辟出更好的機械人，進而可以發明出功效壯大的AI體系，該體系可以或許自我引誘，并完成機能自我優化。在Dota2項目中我們也能發明相似的自我優化景象。在Dota2項目中，“自我對局”練習讓我們勝利發明出了一個可以或許在電子競技的solo版本中擊敗頂級人類玩家的強化進修機械人。
遷徙進修
這些機械人還能停止“遷徙進修”，它們可以或許把在一場景進修到的技巧應用于另外一個從未接觸過的場景。在一個案例中，我們給那些經由了“摔角相撲”練習的機械人設置了一個義務，讓它們在強風中一直堅持站立。成果是，那些疏忽這個強風情況的機械人可以或許一直堅持豎立，而接收過傳統強化進修練習的機械人在測驗考試行走時則會連忙摔倒。
過擬合
我們的機械人會與“co-learning戰略”產生過擬合，該戰略是針對某些特定的敵手而設計的，然則在面臨新的敵手時，這個戰略就會掉效。針對這一成績，我們的處理計劃是——讓機械人與多個分歧的敵手停止“較勁”。這些敵手來自于一系列的戰略，個中有同步練習或晚期練習的戰略。面臨這些林林總總、作風紛歧的敵手，機械人就必需進修更多通用的戰略和技巧，如許能力“來者不懼”。
