來源：36氪

五一假期臨近，騰訊的朋友發來邀約：5 月 1-4 日，王者榮耀會上線挑戰 "AI 絕悟 " 的限時活動，要不要和 AI 交交手？

這點燃了我的興趣點。三個月前，由于疫情期間閑來無事，我下回了之前卸載的王者榮耀，一路從 " 榮耀黃金 " 打到了 " 至尊星耀 "；而作為一名關注人工智能領域的作者，雖然不會寫代碼算法，但在把商湯曠視等 AI 獨角獸寫過一圈后，對所謂的視覺識別、機器學習也算略懂一二。

騰訊的 " 絕悟 " 在電競圈里小有名氣。先是在去年 8 月舉辦的王者榮耀最高規格賽事——世界冠軍杯半決賽中打敗了職業選手聯隊，被證明達到 " 電競職業水平 "；去年的 ChinaJoy，在向頂級業余玩家開放的體驗測試中，" 絕悟 " 在首日 504 場測試中勝率為 99.8%，僅輸 1 場（對方為王者榮耀國服第一后裔）。

要坦誠的是，以上數據都是我在后來搜集到的，在真正跟 " 絕悟 " 交手前，我并不知道自己將面對怎樣的對手。

不過，所有關心 AI 進展的人都記得，2017 年，世界圍棋冠軍柯潔對陣谷歌旗下人工智能 "AlphaGo"，最終因 0：3 完敗在場外痛哭。眼下，騰訊把人類對陣 AI 的賽場搬到了用戶量更大、知名度更廣的王者榮耀，不知道有多少人和我一樣，抱著 " 欲與 AI 試比高 " 的決心，展開這次較量。

于是，在五一假期的第一天，睡到自然醒后，我點開了游戲首頁 " 挑戰 · 絕悟 " 的入口。

王者榮耀游戲首頁左下方有了 " 挑戰 · 絕悟 " 的入口

被虐哭后，AI 還會嘲諷你

還是簡單介紹下王者榮耀，這是一款典型的 5V5 競技手游，雙方各自選出技能、類型不同的五位英雄，以推倒敵方水晶為目標。由于上手快、每局用時短、加之騰訊強大的社交關系鏈，這款游戲已在國內風靡數年，也是騰訊當之無愧的 " 現金牛 "。曾有媒體統計過，王者榮耀在 2020 年除夕當天的流水就有 20 億元。

某種程度上，我打王者榮耀的路數代表了相當一部分用戶：因為只在下班后閑來無事打幾把，整體熟練度、操作度都不算上游，因此不擅長刺客、戰士類英雄，更喜歡用中路法師、下路射手，全局輔助類英雄。

第一局，我用了中路法師張良，另外四個隊友為：戰士呂布、射手黃忠、刺客裴擒虎和輔助魯班大師。從隊形來看，這局的英雄配置相當不錯，呂布和張良都有一定的控制技能——有助于黃忠 " 開大 " 時瘋狂輸出，而魯班大師的移位技能，又能在敵人團攻黃忠時為其保命。

對陣 " 絕悟 "，我的首局陣容（上排）還算不錯。

在這里稍作科普一下，王者榮耀講究的除了個人操作英雄的熟練度以外，更需要團隊在技能上的配合：射手、法師類英雄擅長輸出，但是血薄，容易被秒殺；輔助和戰士等英雄血厚，但在攻擊范圍和效率上有短板。

這也是騰訊 AI " 絕悟 " 的挑戰，圍棋和王者榮耀的打法都有千萬條排練組合，但圍棋是 1V1 對壘，王者榮耀是 5V5 的團隊對抗游戲，因此需要機器掌握的場景更多、更復雜，騰訊官方做過統計，游戲中預計有高達 10 的 20000 次方種操作可能性，而整個宇宙原子總數也只是 10 的 80 次方。

借著不錯的陣容，加之沒有遇到 " 豬隊友 "，我輕松拿下了第一局。

第二局，我用了輔助位的莊周，隊友為戰士廉頗、法師甄姬、打野娜可露露、輔助太乙真人。這局陣容初期來看不算好——輔助位重復，射手位沒人；反觀 " 絕悟 " 的英雄配置就很不錯：輔助蔡文姬、法師干將莫邪、戰士達摩、打野孫悟空、射手伽羅，各個角色非常均衡。

我的第二局對陣陣容，絕悟每一關的陣容都不同，會隨著關數增加，難度也遞增。

由于是和陌生人匹配隊友，每個人想玩的、擅長的英雄都存在不確定性，陣容不合理的情況時常出現（改版后的王者榮耀已經通過預選英雄提升了這一體驗）。可沒想到，這樣誤打誤撞的陣容，卻成了第二局贏下的關鍵。

由于敵方干將莫邪、達摩、孫悟空、伽羅等角色，都屬于強悍的輸出類英雄，而我方廉頗、太乙真人、莊周，都以血厚、復活、解控等技能著稱，這就讓對方英雄撞在了 " 鐵板 " 上，加之這一輪遇到的隊友在操作上也實屬不錯，我又贏了第二局。

雖然連贏兩局，但 AI " 絕悟 " 的瘋狂已經有所展現。

兩方對陣中，人類會在戰斗時出現遲疑、猜測、忌憚，但 AI " 絕悟 " 完全沒有。中路對線時，" 絕悟 " 方的法師在清完兵線后，會立刻前往下路、野區支援；同時，對方的刺客類英雄非常生猛，經常出現在野區打擾我方節奏，甚至多次去塔下、兩塔之間的空隙，企圖強殺我方射手和法師，這些都是非常 " 高玩 " 的操作。

" 絕悟 " 方英雄 " 達摩 " 時常出現在我方野區干擾節奏

更令人有些驚悚的是，在第二局 " 絕悟 " 的水晶將被攻破時，系統傳來了一陣機械的女聲："AI 集體升級換代中，滴滴滴 ……"，像是在提示人類玩家，失敗后的 AI 會更加強大。

" 絕悟 " 的水晶將被攻破時，左側顯示："AI 集體升級換代中，滴滴滴 ……"

殺紅了眼后，我又開始了第三局。

組隊時，這一局的英雄搭配令人興奮。我選擇了中路游走靈活、擅長爆發輸出的英雄小喬，隊伍中既有輸出型英雄孫悟空和李元芳，還有戰士型英雄鎧，輔助位也是新晉網紅英雄 " 瑤 "，其中，鎧和孫悟空還有 " 省級聯隊十強 " 的稱號——陣容合理，隊友強悍，看來拿下這一局勢在必得。

可事實卻恰恰相反。

對陣 " 絕悟 " 總共有 6 關，每關難度會依次上升，這從匹配的英雄上可見一斑。在第三關，AI " 絕悟 " 啟用了上官婉兒，該角色的三技能叫 " 章草 · 橫鱗 "，能打出極為恐怖的傷害，但操作難度極大，需要在四個按鍵的相互切換下，同時掌控好進攻方向，才能準確觸發該技能。

對于人類來說，切換按鍵需要手指、眼力等感官的多次配合才能熟練，但對于 AI，這些不過是后臺寫好的程序。因此，人類需要花費數日、甚至數月才能玩好的英雄，AI 瞬間就能掌握到極致。

" 絕悟 " 終于露出了猙獰一面，依靠上官婉兒為首的強勢進攻，我方很快潰不成軍，李元芳被打成了 0-8，鎧和孫悟空也被死死壓制住。人類的心態也在一次次挫敗后崩盤，有人開始抱怨隊友無能：" 看看對面的打野，再看看我們的 "，似乎完全忘記了對面不是人類，而是 AI。

用時 13 分鐘后，絕悟就推倒了我方水晶，留下了一個極為尷尬的戰績。

更令人郁悶的是，每當我方英雄集體陣亡時，絕悟都會輕嘆一句：" 好安靜啊 "，這對于被 AI 打得束手無策的我們，無疑是莫大的諷刺。

我方英雄集體陣亡時，絕悟都會輕嘆一句：" 好安靜啊 "

" 絕悟 " 的想象力

在多次更換英雄、甚至叫來相識的朋友，打開語音增強協作，依然無法突破上官婉兒的圍追堵截，我與 " 絕悟 " 的較量最終卡在了第三關。在又一次被 AI 團滅攻破水晶后，我的幾位朋友發出了絕望的感嘆：" 讓不讓人好好過節了 "、" 我要投訴 AI"。

但 " 絕悟 " 的存在難道只是為了給玩家添堵？這從商業邏輯上來看也不太成立。騰訊 AI Lab 在 2017 年成立 " 絕悟 "，一年后達到頂尖水平，期間要雇傭的科學家、耗費的 GPU、占用的王者榮耀入口資源 …… 都是一筆不小的經費開支。

事實上，" 絕悟 " 是騰訊研發通用型 AI 的一項重要測試。所謂通用型 AI，就是具備類似人腦的復雜問題處理能力。

舉個例子，初代 AI 只能解決特定場景需求，比如視覺識別領域的鑒別黃圖、抓取嫌疑人肖像等；但通用型 AI 可以駕馭更復雜的決策，問天氣、選商品、甚至 " 他到底愛不愛我？"，AI 都能給出更有人性的回答。

通用型 AI 也是如今科技公司的主流方向。微軟 " 小冰 " 已誕生 6 年，經過多次版本更迭后，小冰已經能幫羅森便利店推銷優惠券、在汽車導航中尋求最優路徑、還能寫詩作畫，很多行為儼然與人類無異；今年美國 CES，三星還展出了人形 AI "NEON"，可以充當老師、財務顧問、禮賓員、演員或電視主播。

三星在今年美國 CES 是哪個展出的人性 AI"NEON"。拍攝：蘇建勛

說到通用型 AI，就不得不提及兩個 AI 領域的特有概念：" 深度學習 " 和 " 增強學習 "。

剛才所說的鑒黃、抓壞人，一般采用深度學習，給機器 " 喂 " 進大量圖片，讓 AI 在海量數據的訓練中獲取規律。可在通用 AI 中，涉及到復雜場景需要的數據量更大，這便有了 " 增強學習 "，可以在少量數據的前提下，通過給 AI 設定獎懲機制的方式，讓 AI 自我學習并實現進化。

" 絕悟 " 采用的便是增強學習，騰訊 AI Lab 認為，若 AI 能在王者榮耀這類復雜的環境中，學會人一樣實時感知、分析、理解、推理、決策到行動，就可以在更多變、復雜的真實環境中發揮更大作用。

說得更通俗點，這就好比疫情期間被迫在家做飯的你，在照著菜譜或者連線父母做出番茄炒蛋、蔥爆羊肉后，你學會了切菜，知道了放佐料的次序，懂得怎么掌握火候，逐漸可以自己摸索著做出更復雜的紅燒排骨和新疆大盤雞。

通過研發 " 絕悟 "，騰訊將其背后的經驗和算法也用了其他行業。

2019 年 9 月，騰訊與歐洲頂級農業大學 WUR（荷蘭瓦赫寧根大學）合作過一次種植大賽，利用 AI 算法檢測土壤、選擇合適的作物品種、智能預防病蟲害，最終使種出的番茄、黃瓜在產量、品質均有所提升。今年 4 月，騰訊 AI Lab 還推出了首款智能顯微鏡，協助醫生進行癌癥篩查和病理分析。

眼下，誰都不能否認 AI 的存在。天貓淘寶、今日頭條會根據你的喜好推薦你感興趣的商品和內容，而那些更長遠的愿景，借助 AI 實現糧食豐收、攻克癌癥，仍需要人類持之以恒的探索與訓練。如果真能實現這些目標，被 " 絕悟 " 虐哭幾次，也不算什么大不了的事兒了。