OpenAI 用 PPO 訓練 5 個 Dota 智能體擊敗半職業玩家

OpenAI 使用 PPO 訓練由 5 個智能體組成的 Dota 隊伍，讓它們擊敗半職業玩家。訓練未使用人類對局，團隊設計獎勵函數後，智能體透過自我對弈學習；對陣兩週前的智能體，勝率為 90-95%。Sam Altman 認為，深度強化學習可在計算規模足夠、模擬環境能刻畫目標問題時處理極難問題，這也是通往通用智能的一步。