死亡也是可以預測的嗎？如果可以預見未來，那么最遠能預測多久以后呢？約克大學的研究人員最新研究結(jié)果表明，通過AI模型提取游戲角色特征，如當前狀態(tài)、裝備、英雄技能、位置等因素，可在5秒內(nèi)預測該角色的死亡時間，準確率最高為0.725。

如果能夠預知死亡，哪怕只有5秒，你會做什么呢？

近日，約克大學的研究者用AI預測死亡。不過不是人類的死亡，而是Dota 2中英雄的陣亡概率。

論文標題：Time to Die: Death Prediction in Dota 2 using Deep Learning

論文地址：

https://arxiv.org/pdf/1906.03939.pdf

Dota 2由Valve公司發(fā)行，是一款5v5在線競技游戲。每個玩家操控一個英雄，分為敵對雙方進行廝殺。終極目標是在對方?jīng)]有推倒己方塔之前，推倒對方的塔。在推塔過程中，不可避免的會發(fā)生擊殺對方英雄、或者被對方英雄擊殺的情況。

擊殺是一個被鼓勵的行為，也是觀眾最愿意看的環(huán)節(jié)。它體現(xiàn)了一名Dota選手的操控力、判斷力以及反應敏捷度。通常不會出現(xiàn)追到天涯海角、不弄死對方不罷休的情況。玩家會根據(jù)敵我雙方的血量、己方輸出和對方承受力、回血速度等進行預判，爭取秒殺。

Dota 2平均每場比賽包含80000幀，每個英雄能執(zhí)行170000個可能的動作；游玩家在每幀上平均會完成10000個動作；玩家可以撿起、購買上百種裝備。

成功完成一次擊殺，不僅要考慮己方輸出值和對方的血量。因為攻擊輸出是在一定的范圍內(nèi)波動的，針對不同的甲、回血速度、裝備的道具等，輸出會有不同程度的折扣。

比如一個英雄的回血速度是每秒1點，他剛好裝備了一件加速回血的裝備，可以將回血速度提升10%，那么就有可能出現(xiàn)本來剛剛好能夠秒殺、但由于回血速度加快，導致技能放在對方英雄身上的同時對方回上了一點血，順利逃脫。

最終，AI面對的是一個超過20000維度的復雜狀況。

而AI解決這種復雜問題的方式也很簡單粗暴，就是獲取盡可能多的數(shù)據(jù)。研究人員想辦法獲取了Valve公司12月5日之前5000場職業(yè)比賽，以及5000場半職業(yè)比賽的replay。

他們的語料庫在預處理和誤差計算后共包含7311個文件，并通過在4-tick采樣周期（對應0.133秒的游戲時間）內(nèi)記錄屬性集數(shù)值，然后又從語料庫中提取數(shù)據(jù)并轉(zhuǎn)化為時間序列。

基于語料庫中的數(shù)據(jù)，研究者為每個英雄提取了287個特征，比如血量、輸出值等。研究人員最終得出結(jié)論：時間、玩家當前狀態(tài)（如血量和護甲）、可激活裝備、英雄技能、走位、與最近的敵人和己方防御塔的距離、以及可見性歷史是導致玩家死亡的重要因素。其中英雄的相對力量值和特定時間內(nèi)在地圖上的位置，是能否被秒殺的最關(guān)鍵因素。

那么接下來，就是創(chuàng)建一個能夠捕獲相關(guān)數(shù)據(jù)的特征集。研究者首先從相對力量值和在特定時間內(nèi)在地圖上的位置開始，慢慢構(gòu)建并完善特征集，最終為每個英雄集齊287個特征的特征集。

下表給出了一些重要特征的詳細描述。

可見性，指的是游戲雙方均需知道對方的英雄是否在視野內(nèi)，或者是否在攻擊范圍內(nèi)。一旦脫離視野，對方英雄就可能出現(xiàn)在地圖的任何位置，所以需要給英雄加上這個特征。

10個英雄共產(chǎn)生2870個輸入和5760萬個單個數(shù)據(jù)點，將其相乘后喂給機器學習算法，分別保留10%的數(shù)據(jù)用于驗證和測試，然后開始預測英雄的陣亡概覽。

實驗表明，預測的時候越短，成功率越高，0-5秒內(nèi)的平均預測精確度達到了0.5447，預測的時間越往后，精度越低。參看下圖：

模型詳解

研究者使用具有權(quán)重共享的深度前饋神經(jīng)網(wǎng)絡作為模型，輸入包含每位英雄的特征。在最大的特征集中，每位英雄具有287個特征，因此10位英雄共有2870個輸入；同時具有10個獨立的持續(xù)輸出，對應表每個英雄在未來5秒內(nèi)死亡的概率。

網(wǎng)絡架構(gòu)

本質(zhì)上是創(chuàng)建一個子網(wǎng)絡，為英雄特性學習一個新的、更密集的表征。連接層附帶來自每個共享層的輸出，為網(wǎng)絡結(jié)構(gòu)的最后一部分（一個全連接網(wǎng)絡）創(chuàng)建一個輸入張量。每個隱藏層的輸出都使用RELU函數(shù)，網(wǎng)絡的最后一個激活函數(shù)是Sigmoid。

特征集

由于游戲復雜度高，研究者不確定該網(wǎng)絡是否可以利用所有的特征類別。為了深入了解，研究者創(chuàng)建了三個獨立的特征集，并利用三個獨立的超參數(shù)搜索運行三個訓練步驟：

最小的特征集（每個英雄15個特征）只包含當前HP、錢、位置、英雄和塔的距離特征

中等特征集（每個英雄109個特征）包含除了英雄ID和能力特征之外的所有特征

大型特征集包含全部的特征，全部287個特征

訓練網(wǎng)絡

對于每一個特征集，研究者使用基于隨機搜索的探索來確定最佳超參數(shù)，用于：層數(shù)、每層的神經(jīng)元數(shù)、學習率和批大小。

結(jié)果

表現(xiàn)最佳的模型達到了0.5447的平均精度。

但是聰明的新智元讀者肯定會問了，5秒時間一眨眼就過去了，這么短的時間內(nèi)能做什么？夠我扼住命運的喉嚨讓他反轉(zhuǎn)嗎？

預測英雄死亡可能對增加游戲的趣味性或者競技性沒什么用，對Dota玩家貌似也沒有什么實質(zhì)的作用。但是對于游戲解說就非常關(guān)鍵了！5秒的提前量已經(jīng)可以基本不漏掉任何精彩擊殺鏡頭了。