OpenAI 用 PPO 训练 5 个智能体在 Dota 中击败半职业选手

OpenAI 发布新成果，用其发明的通用强化学习算法 PPO 训练一支 5 个智能体的队伍玩 Dota，并击败了半职业选手。这些智能体对两周前的旧版本胜率稳定在 90-95%，训练过程没有使用人类对局数据，而是通过自我对弈学会游戏。Sam Altman 认为这表明只要有足够算力和能还原问题的模拟环境，深度强化学习就能解决极难的问题，并有望应用于更接近真实世界的环境。