從AlphaGo在統治圍棋界之後搖身一變，以AlphaStar的“馬甲”身份涉足SC2，到OpenAI戰勝DOTA2職業選手，再到王者榮耀AI“絕悟”戰勝職業聯隊，人工智慧（簡稱AI）在攻克人類遊戲方面似乎有著一日千里的進步速度。然而，江湖中一直都流傳著關於“AI無法學會FPS遊戲”的傳說。

可有人偏偏不信邪，堅持要挑戰這個連AlphaGo都沒敢輕易嘗試的領域……

AI在FPS裡對抗人類，比想象的要難

先不要想歪了，讓AI來玩FPS，並不是讓AI擁有槍槍爆頭的命中率，甚至透視能力，而是讓AI學會像人類一樣，在並不具備任何資訊優勢的情況下，模擬人類搜尋敵人，瞄準敵人、射擊敵人的過程，以及各種跳、蹲、左右橫移，在激戰當中尋找掩體進行躲避等戰術動作，甚至模擬人類玩家繞後、追擊、偷襲等戰術行為。簡單來說，讓AI在遊戲中對抗人類，並非是讓AI擁有作弊一般的微操和“全知全能”，而是讓AI模擬人類操控鍵盤、滑鼠進行操作，甚至是完全模擬人類那極其可憐的肉眼視野和反應速度來玩遊戲，並以這種方式來與人類進行對抗。

正因如此，FPS遊戲由於採用3D全自由視角，相對於RTS和MOBA遊戲來說，空間和視角操控上更加複雜，且人物動作多樣，各種走、跑、跳、蹲，甚至大跳、跳蹲等複雜動作，與開鏡、瞄準、射擊、投擲等攻擊動作一起，再結合與各種地形障礙之間的互動行為，從而構成了一個自由度和複雜度都要超出其他類遊戲許多的遊戲型別。因此，模仿人類玩FPS遊戲，一直都是遊戲圈和人工智慧圈子裡公認的“難題”。

為了說明AI學習MOBA和學習FPS的難易度差距，我們特地諮詢了一位頗有競技遊戲經驗的AI工程師，依照他的建議，對AI學習MOBA和FPS遊戲所要面臨的實際“任務”進行詳細拆分，並製作了如下表格加以說明——

由表格不難看出，AI學習FPS，遠比學習MOBA要更加複雜——由於RTS的基本操作（視野、移動、環境互動等）與MOBA相仿，因此對AI來說，學習RTS也並不會比MOBA困難太多，而擁有3D屬性的FPS才是AI們真正不易攻克的難題。

也正因為FPS的複雜性，使得機器學習（Machine Learning）技術成熟以前，特別是深度學習（Deep Learning）技術誕生前，FPS遊戲內的AI表現，較之RTS、MOBA內的表現，實在有一定差距——早期FPS裡的AI，要麼表現得過於像是外掛（透視、鎖頭），要麼就會表現得猶如人工智障。

有過多年FPS遊戲經歷的玩家，一定對於早年FPS遊戲裡AI的各種“鬼畜”行為記憶猶新。

比如因為對地形缺少理解而瘋狂自殺……

比如失去當前目標後茫然無措，開始陷入鬼畜迴圈……

總之，真正的FPS老玩家應該都能理解，在FPS遊戲裡想要擁有如真人一般的AI會有多困難……

以假亂真的AI，讓“電競傳奇”名符其實

按照AI技術發展和應用的一般規律，在尚未完全吃透RTS、MOBA類遊戲的情況下，不會有AI研究團隊輕易挑戰更為複雜的FPS遊戲。不過，這一規律卻在不久前被打破。

《穿越火線：槍戰王者》（簡稱CF手遊）開發團隊在2019年年底推出了一個以職業玩家成長故事為藍本的劇情養成類玩法——“電競傳奇”。

不過，和一般卡牌RPG遊戲中的劇情養成概念不同，CF手遊中的“電競傳奇”雖是單人玩法，有著類似於galgame的養成要素，也有著清晰的主線和支線劇情線索，但在每個章節劇情中，玩家都要面對AI對手的挑戰。

並且，遊戲中的AI敵人有著十分接近人類玩家的行為模式——它們不僅懂得尋找掩體，還會各種跳、蹲合理躲避槍線，有著清晰合理的戰術選擇，甚至還有著小身位，二段跳，擊殺後切刀等過去只有真實玩家才有的一些操作細節。其“擬人”程度之高，使得不少抱著和在其它FPS遊戲裡打電腦一樣“虐菜”心態而來的玩家倍感驚訝。

FPS不是號稱AI最難學習的競技類遊戲嗎？“電競傳奇”裡的這些“高智商”AI又到底從何而來？在翻閱了相關新聞報道後我們得知，幕後“操刀”的，是與CF手遊開發團隊展開深度合作的騰訊AI Lab。

騰訊AI Lab是騰訊旗下的企業級人工智慧實驗室，2016年4月成立，目前擁有70位世界級科學家及300餘位經驗豐富的應用工程師，主攻計算機視覺、語音識別、自然語言處理和機器學習等垂直領域的研究，並致力於AI在社交、遊戲、內容及平臺等不同領域的應用，是世界範圍內，在實際應用方面較為領先的AI研究團隊之一，最近火熱的王者榮耀AI“絕悟”就出自其手。

對AI技術圈和騰訊AI Lab了解不多的話，可以試著這樣理解——騰訊AI Lab在AI研究領域的地位，約等於育碧在遊戲圈的地位，也即是涉足面廣，有自己的特定專長，並且有一批拿得出手的明星級應用“成果”，雖然並非世界第一，但卻也絕對在全球一線行列。

由此也就不難理解，為何CF手遊“電競傳奇”中的AI擬人程度如此之高。

CF手遊AI早已學會5V5，竟讓玩家難識破？

不過，作為世界範圍內的一流AI研究團隊，騰訊AI Lab與CF手遊開發團隊的合作，難道僅僅止於在“電競傳奇”這樣一個單人劇情玩法當中的“小試牛刀”？

帶著這樣的疑問，我們聯絡了CF手遊團隊相關負責人，並且得到了一些意料之外的“爆料”——

原來，CF手遊開發團隊與騰訊AI Lab的合作已有相當長的一段時間，並且雙方最初的合作內容並非是“電競傳奇”中的1V1對抗，而是基於團隊競技地圖“運輸船”的5V5對抗。

早在2019年5月，雙方合作打造的第一個具有躲閃、跳躍、扔雷等進階操作的擬人AI的demo版就已出爐。

不過，FPS遊戲裡的5V5對抗複雜性之高，使得開發經驗豐富的AI Lab工程師們也不敢掉以輕心。為了更好地實現AI擬人化，AI Lab團隊將重心暫時轉向更為簡單的1V1對抗。

此時恰逢CF手遊正欲推出單人劇情玩法，因此，“電競傳奇”玩法應運而生——以這一模式的開發為契機，AI Lab的工程師們著力解決了1V1環境下AI行為中所存在的各種與“擬人”目標相違背的瑕疵，如最典型的“無法打破迴圈”（也即是前文所提及的早期FPS遊戲AI的各種鬼畜行為）問題，藉助“混合密度網路”方案得以完美解決。

同時，通過對真實玩家上百萬次的脫敏對局資料進行學習，以及通過對蠻蠻、國寶等幾位CF手遊職業電競選手的資料取樣分析，“電競傳奇”中不同章節的AI不僅都有著十分接近人類玩家的行為方式，同時又有著各自不同的打法特徵。在該玩法正式上線後，關於如何擊敗AI“國寶”、AI“蠻蠻”的相關話題在CF手遊玩家圈子中得到熱議，相關攻略視訊也在B站不斷湧現。

當然，在上述知情人士的爆料當中，更令我們意想不到的，是AI Lab一手打造的CF手遊AI實際上不僅僅只在“電競傳奇”裡扮演著玩家的單挑對手，實際上，早在11月22日，由深度學習技術打造的新版AI就已經在正式服的5V5對戰當中上線。

只不過，由於有了1V1當中的技術和經驗積累，此前版本的AI在5V5對抗中存在的大部分問題也基本得到解決，以至於在隨後的調查當中得知，有40%左右的玩家並沒有覺察到對局記憶體在AI（而真人局中有30%的玩家認為有AI）。

寫在最後：FPS中的AI還會持續進化

AI Lab和CF手遊合作打造的新版AI，已經成為了業內第一個深度學習在FPS遊戲中實際上線的案例——考慮到擬人AI學習FPS的難度要遠大於其他競技類遊戲，這一成果無疑也更具價值，對於國內正在或者正準備涉足AI深度學習在遊戲領域應用的開發者們，顯然也是一次巨大的鼓舞。

而在CF手遊最近上線的春節版本中，AI又多“學會”了清新椰島、巷戰TD等5V5地圖與沙漠對決、軍事基地等1V1對抗地圖。根據開發團隊規劃，新版AI未來還將支援更多地圖和更多的玩法模式。

不難預料，基於深度學習技術打造的CF手遊新版AI，未來還將持續進化下去。至於AI在FPS中的應用，最終還會演化成怎樣的形態，又會衍生出怎樣顛覆性的玩法，我們也將持續關注下去。