游戏中，如果不考虑信使，AI控制的单位也只能是5个，这也就是为什么不能出现召唤单位和幻象 。
另外，没有游戏野区最强大的怪物肉山，也就没有了打肉山能得到的复活盾 。在职业比赛中，复活盾带来的原地满状态复活能力，可以说是个翻盘利器 。
让人类职业选手来打一个这样的DotA，并没有什么优势；如果让现在的OpenAI Five去打人类版DotA，这支没学过选英雄、做视野、偷鸡等等技能，还少学了很多装备的队伍，也会不知所措 。
不过，OpenAI也说了，这些限制大都是因为游戏里有些部分还没整合进来，像插眼、肉山这种职业比赛中的关键元素，他们会尽快加上 。
AI一日，人间180年虽然还有种种限制，但不可否认，AI的进步还是快得吓人 。
OpenAI的解释是，这个AI通过自我对战来提升，从随机参数开始，不用人类玩家的方法引导，也不人类玩家方法中搜索 。
他们还特别提到，在训练1v1模型的时候，是专门针对卡兵这个操作设置了奖励的 。但是在OpenAI Five模型中并没有这个奖励，但这个新模型还是自己学会了卡兵 。
AI每天的训练量，相当于打180年游戏 。可谓真·勤学苦练，人类选手一辈子的训练量也不及它半天 。
这些每天训练180年的选手，究竟是些什么怪物？
他们的长相是这样的：

文章插图

不要被结构图吓到，简单来说，每个选手，也就是每个智能体（agent），都是一个单层LSTM（长短时记忆网络），有1024个单元，能够通过Valve的Bot API观察当前游戏状态，控制自己的英雄接下来选择哪一种操作、释放到XY坐标系中的哪一点 。
智能体能够观察到的信息和人类差不多，包括自身、队友和敌人的状况，比如位置、血量、攻击力、护甲、携带物品、能力等等 。可能会有一点点区别的，就是智能体对过去12帧的血量、攻击和被攻击情况等历史信息大概记得比人类清楚 。

文章插图

这些信息，对于智能体来说是一个包含20000数值的列表，而它判断之后发出的行动指令，是8个值的列表 。
选手们的训练，使用的是扩展版的近端策略优化（PPO）方法，这也是OpenAI现在默认的强化学习训练方法 。这些智能体的目标是最大化未来奖励的指数衰减和 。
AI选手们在训练中饭量惊人，承载它们需要256块P100 GPU和12.8万个CPU核心 。

文章插图

上面的5v5版本与1v1版本对比，有一个令人欣慰的结果：OpenAI Five需要的CPU和GPU计算力，与去年击败Dendi的1v1版相比，并没有翻到5倍 。
5个智能体训练出来，它们之间又是怎样配合的呢？总不能像我们人类开黑一样互相喊话吧？
答案是，他们之间没有那种人类可以理解的沟通渠道，而是由一个“团队精神”超参数来统一控制 。这个超参数的范围在0到1之间，决定了选手对与自身奖励函数和队友平均奖励函数的关注程度分配 。
留给AI的时间还很多OpenAI说，他们打算在7月28日和顶级选手对战一番，留给他们的时间，还有整整1个月 。8月，他们还要和顶级人类专业选手在TI上较量，如果这一场较量在AI结束时的话，留给AI的时间还有两个月 。
按照“人间一天，AI界180年的”算法，加上肉山、插眼等关键元素之后，只要能给AI留半个月时间和自己对战，在它的世界里就可以说修炼了“数千年” 。