1樓：蕭逸才
如果通過對等方式對戰，AI還得在等2023年才有可能戰勝人類吧。對等就是AI也只能根據遊戲影象聲音作為唯一輸入與人類對戰。但是目前看來AI演算法很難訓練出理解各種抽象概念的能力。
但如果在相對完美的環境中與人類對戰，明確知道自己和隊友的位置，各種屬性，地圖，對手等等情況，那這種視情況而製作出不同程度的AI難度就沒那麼高，即使能打敗人類也不足為奇。
2樓：「已登出」
撇開別的不說，機器不會有操作失誤，機器的反應速度比人快，而且機器不會有心情的波動，而且機器的操作是極其精準的，試想，一堆人在團戰，你很難下手去點特定的人，特別是隊友反補這一項，但機器可以精確到畫素級，沒法比的
3樓：
那些說1V1能贏，5v5贏不了的人，讓人想起當年計算機贏了頂級象棋選手後，有人說一定贏不了頂級圍棋選手一樣，也各種分析圍棋變數如何如何，才多長時間，被打臉打的不疼嗎？真是愚蠢而又自負
4樓：
還差的很遠，圍棋是回合制的，更適合AI龐大的處理能力，但是把這個能力分攤到時間上，就顯得異常渺小了。
人類最優秀的地方是能夠學習，用AI「聽得懂」的話說，叫優化。就目前來看，AI的優化能力還是太差。
5樓：劍來
從今年ti的人機solo來看
極致的卡兵，ai的卡兵是吧兵卡的幾乎不動；站位壓線，將自己的位置最優化；吃藥不需要時間，雞運到身上秒吃。
首先，我第一反應是，學到了。憑什麼ai能學我們不能學。這種卡兵方法，至少我們知道了還有這樣的操作。
顯然，這個ai的學習方法並不是完全學習職業選手而是自己摸索（從採訪中開發人員說的）所以，互相學習是一種好方法。正如ob老逼們所說，我跟這個ai練幾個月可以去打ti了。
然後就是，第一場solo一開始我就想到了----殺雞。不知道ai用鳥習慣如何233
現場解說也提出了殺雞這一說法，沒有得到太多回應。但是我覺得這倒是突破口，ai對斷兵、拉兵線、殺雞這種lyb的野路子可能沒有防範，甚至，我大膽的猜測：第一次殺雞成功後可能ai以後不再用雞或者跟著雞走。
因為它是自主學習的，遇到突發情況第一反應不一定是正確的（這點比不上人類）但是次數多了因該能夠明白防殺雞且不耽誤正常對線方法。
還是很多ai打的多的玩家都知道，ai的操作可以是極限的，但意識是落後的。
現在，ai的意識，第一次在某乙個專案上，佔了上風。
（這個第一次不太準確，dota範圍內的）
忘了說結論了，我覺得還是人類有優勢，畢竟，lyb太多了（賤俾劉又tm殺雞了）
6樓：鮮衣怒馬
隔…隔壁谷歌跟暴雪合作的SC的AI也出結果了…你們不妨去看一下？
AI目前根本不是人的對手至少策略上是這樣的()去隔壁看一下再噴好嗎
真的…AI的路還長著呢
7樓：句號
電子競技上的ai最起碼要做到資訊對等，或者一起都是白扯。就今天solo的第二把來說，老司機漏兵的同時，ai也漏了乙個，以他第一盤的卡兵和ai的技巧來說，我不太認可這個漏兵是失誤，大膽猜測是因為看到老司機漏兵。那如果電腦是開全圖的，就沒啥意義了。
8樓：瘋癲的A兵者
（多圖預警~）
勉強回答一下：
我覺得馬上人類就要不行了，今年TI 7上面世界頂級選手已經在solo賽中輸給了人工智慧，而明年的全明星隊很有可能要和AI對打了。
從比賽的過程來講，Dendi處於被碾壓的狀態，從第一波的卡兵開始，就處於絕對意義上面的劣勢，基本被完爆，對線上面人工智慧比Dendi強乙個數量級。
Dendi補刀（包括正補和反補）被絕對壓制的同時，血量和補給品也基本被人工智慧打空，最終第一局完全被壓制，0:2結束比賽。
這個人工智慧不僅僅在正反補領域碾壓人類，還對於斬殺血量的控制都比人類好得多。
採訪中設計人員表示，這個人工智慧沒有內建程式，全都靠學習，只用了20小時就學到這個程度，令人細思恐極。
設計團隊表示會有5VS5面世，估計就是明年的全明星賽了。
相同的人工智慧團隊。
人類最後的幾條陣線估計不遠了，TI冠軍也會輸給電腦。
現在能對線贏的估計只有CTY，paparazi等少數人有可能性了。
9樓：李明澤
不能。樓上都是講的是關於演算法的居多，但是我覺得這個東西跟演算法是沒關係的。
我們都知道圍棋是雙方資訊完全對等的，所有東西都在表面上，用這個來研究人工智慧是很好的。但是dota是乙個玩家跟電腦資訊不對等的情況，因為你的操作要上傳伺服器，伺服器運算再傳下來，也就是說如果電腦想，可以在你行為顯示之前洞悉你的操作，比如意識勾，現在瘋狂的AI是視野裡的勾都可以躲吧（沒怎麼玩過），比如插眼。就插眼一點就很頭疼了，既然電腦早就知道你出不出勾，插不插眼，電腦到底要不要知道你的眼插在哪齣不出勾呢？
10樓：
首先題主你有乙個誤區，MCTS雖然在圍棋上有了很大的成就，但並不代表它就可以用在dota這樣的"video game"上。在學術界上，圍棋這樣的「board game」與dota這樣的「video game」的AI研究本身就是差異挺大的研究方向。圍棋理論上是存在最優決策的，而dota這樣的遊戲或者說就不存在乙個最優決策，很多時候甚至還需要引入fuzzy system模糊系統來進行決策。
學術界上，不提board game的研究進度，單就說video game的話，結合專家知識的有研究fifa這類足球遊戲以及fps的團隊協作的，但都比較小眾。不結合專家知識的話，之前曾經有公司研究過雅麗達遊戲的通用ai，使用的演算法是深度學習DNN模型。
那麼回到題主的問題，關鍵還在於上面所說的「專家知識」。什麼是「專家知識」？舉個例子來說，當對面英雄只剩一滴血站在你面前時候，ai是毫不猶豫的打死還是思考一下發現打死才是最好的決策，這就是引入專家知識的差異。
實質上，是將人類對於這個遊戲的思考與理解，以機器語言的形式輸入在了這個AI中。
如果允許AI擁有專家知識，那麼人類必然玩不過AI。當你的AI擁有了神級一般的操作之後，人類很難在區域性上獲得優勢，而大局觀上，通過大量專家知識的引入也可以確保人類沒有更大的優勢。
那麼沒有專家知識的強AI呢？那個東西到目前為止都還是有生之年系列。
我們可以發散另乙個問題
《為什麼dota的AI這麼蠢？》
因為Value從來就沒有打算做出乙個強AI。
dota的核心在於多人聯機，單機模式打AI打發時間也不是不可以，不過要是打單機只能和世界冠軍對打，大部分受眾都會放棄的。
所以ai這種東西，至少到目前為止都是不怎麼符合業界利益的存在。我上週與一家遊戲公司的管理聊天，他就直說其實他們做遊戲不需要什麼ai，或者說需要的就是「裝裝樣子的ai」。
PS.我並沒有提開發成本與計算資源的消耗，因為我預設這兩者都是不限的。
背景相關：當前研究方向為game ai，以前做過幾年魔獸MODer，研究過dota中各種技能/功能的實現，也用jass寫過簡單的小ai。
11樓：小狼
瘋狂級別的電腦還是可以的，當然離智慧型化還差的遠，真要達到你說的那樣 ，那電腦最大的優勢是執行力，完美操作，戰略上可能完爆路人沒問題 ，但是高階黑店和職業隊都可以擺他一道，直接靠陣容解決問題，畢竟電腦只能推算陣容，而人可以組合出各種奇葩的陣容和打法，然後電腦也會感嘆臥槽還可以這麼玩
乙個演算法題 有一組未知個數的數字，把它們平均分成三份，使每份的和盡量相等。如何解決？
題目描述好模糊.一看很像3 partition問題啊，3 partition問題是NP complete，而且是Strong NP complete，這就不太容易搞了，我想了乙個很粗暴的Linear Programming Relaxation的解法還有乙個很粗暴的動歸。LP relaxation的...
如果開設乙個網路諮詢平台，由表現最優秀的大四畢業生對在校生提供VIP式的一對一職業規劃 求職指導（或考研規劃）甚至大學四年的「師徒制」引導的有償服務，你感覺會有人買單嗎？
LeiFeng 完全沒有啥意義，剛畢業的學生認知太侷限，什麼什麼offer亂七八糟的年薪10W 在一線城市沒有想的那麼難。道理誰都懂，大學生估計也不愛聽 koaaaala 不同的學生有不同的經歷和背景，也許會有同乙個目標，但是幾乎沒有哪兩個人的途徑是相同的。我正在面臨這些問題，也曾企圖向所謂的 牛人...
如果你是乙個患有孤獨症兒童的父母，用乙個怎樣的心態面對？
金色陽光 絕望，崩潰，迷茫，振作，堅持，這基本上是每乙個自閉症家庭都要經歷的幾個過程。有句話說的好，未經他人苦，莫勸他人善。因為我不是自閉症兒童的父母，所以我也沒有資格來說什麼堅持干預，不要放棄這一類的話，在這裡我只想對這些星爸，星媽們說你們辛苦了，你們付出了比平常父母更多的心力與財力，但你們的付出...