在网络上，没人知道你是AlphaGo

策仙人

继4：1击败李世石，将围棋拉下神坛之后，AlphaGo再度将"魔爪"伸入到人类智慧的另一块处女地：星际争霸。对决尚未开始，角力的双方已然开始造势，人工智能爱好者们极力鼓吹AI的完美操作、完美运营，职业选手的粉丝们则叫嚣战略制敌、兵者诡道，胜负的荷尔蒙在屏幕上挥洒，然而这场战斗的胜负更多只是噱头，其背后所体现的人工智能的价值，才是电竞选手、战队管理者、游戏开发商乃至普通玩家更应该关注的事情，或许，未来电子竞技的终极形态DNA，就藏在AlphaGo身上。

DNA之一：基于数据统计的敌情

“知己知彼，百战不殆”——这是《孙子？谋攻篇》里对真实战争中胜利要素的总结，而电子竞技本身就是在模拟真实的战争，因此信息的收集同样重要。

真实战争中的知己知彼，讲究的是情报，诸葛亮之所以敢在曹军面前把自己的城门大开，无人看守，就是抓住曹操生性多疑的弱点，又没在城内“插眼”，最终错失“上高地”的好时机。

而对于竞技游戏这样的虚拟战争，情报的搜集则更加细致，EG一般在什么时候清远古野？老队长的进攻/防守眼位习惯是哪里？诸如此类细节，虽小但关乎成败。AlphaGo本质上是一台高性能的云计算服务器，通过大量的数据收集整理，想要窥视对手的这类隐私则是易如反掌。但唯一遗憾的是，AlphaGo可能不是你一个人的，你看着对手习惯的插眼位置发笑，对手也盯着你开雾的时间点深思。

DNA之二：基于数据挖掘的真相

在竞技体育飞速发展的今天，数据挖掘、阵容组建、队伍训练，已经成为掌控比赛胜负的三驾马车。

以NBA为例，从1946年11月1日第一场NBA比赛开始，就引入了球员数据统计，虽然初期数据统计只有简单的得分篮板助攻，但发展到今天，已经可以用包罗万象来形容。而且NBA联盟不仅拥有纯粹的数据记录，更有延伸的数据挖掘，例如真实命中率、二次助攻、PER值等综合数据，从多维角度来分析一名球员的特点，不再单纯的以“数字“论英雄，谁是数据刷子，谁是建队基石，一目了然。

而对于电子竞技项目来说，挖掘数字背后的价值更是意义重大。利用AlphaGo出色的数据统计与分析能力，可以轻易的对海量比赛数据进行处理，对于每位选手的数据进行精准挖掘。

刷钱快不代表你就是最强Carry，团战输出不足只证明你是团队资源的吸血鬼；

击杀多不代表你就是节奏魔王，拉不开装备优势那你只是执迷杀人无视局势的家伙。

从当前电竞赛事的数据挖掘来看，相对比较粗犷，普通玩家甚至某些专业人员仍然更为关注KDA（Kill，Death，Assist）等表象数据，聚光灯永远聚集在数据突出的选手身上。但从未来发展的角度来看，这种浅显的衡量标准必然要被淘汰，而谁能利用AlphaGo挖掘数据背后更多的真相，寻找到更多更具价值的选手，谁离胜利也将更近一步。

DNA之三：基于数据建模的预测

认知能力，常常被认为是人脑与电脑的根本差异，然而对于AlphoGo来说，依靠着蒙特卡洛树结构所组建的神经网络，基于大量高性能CPU的运算能力，其认知能力已经足以让普通人刮目相看，可能唯一欠缺的，只剩自主意识了。

而即使是缺少自主意识的AI在竞技类游戏比赛中同样可以大发神威，尤其是MOBA类游戏中，众所周知前期的阵容选择与战术安排都是需要指挥者深入思索才能作出的抉择。而这也正是大部分中国战队的软肋，从实际情况来看，版本理解不深刻、数据分析不到位、过于迷信经验等都是造成这种情况的原因，但更多的其实就是对于游戏的认知不足。

还记得TI5决赛上，意气风发的CDEC从败者组一路杀入决赛对决EG，然而在Ban选上，却被EG抓住了两仪落不会老鹿的短板，盘盘放老鹿，然而当时的老鹿作为版本最强bug，又是每个队都不能放的，面对对手的战术放人，CDEC在没有人可以给出更好针对方案的情况下，只能抱着试试看的态度强行选老鹿，然而打不出应有的优势，只能接受“光荣”的失败。

而对于AlphaGo来说，只要给予它正确的思维算法，依靠着强大的数据挖掘能力，它就可以为选手提供最优的Ban选方案。特别是在应对一些自己不熟悉的套路，通过对过去一段时间的数据分析和挖掘，AI能够根据对手的Ban选抉择，分析对手可能会存在的套路、体系，再针对性的提供Ban选方案。

DNA之四：基于数据模拟最强大的对手

在传统竞技体育的领域中，陪练一直是一个特殊而尴尬的角色，他们具有一流的水准，却因为某些原因，只能担当正牌选手的训练对象，他们模仿尽可能多的打法，只为了让正牌选手可以在训练中提前感受比赛的氛围，仿佛他面对的是赛场上劲敌的影子。

而作为同样需要了解对手比赛风格的电子竞技，陪练这一角色同样必不可少，只是由于比赛载体由球馆转移到了电脑上，因此可以借助网络，寻找适合的陪练对象。不论是天梯配对，还是线下邀约，亦或者是内部对抗，都能给队伍带来提升。然而，其缺陷也很突出，无法对于某一个对手进行针对性的训练。因为电竞操作的多变性，知名选手都有自己独特的操作习惯，你很难找到与你竞争对手足够相似的选手与队伍。

但或许，具备深度学习能力的AlphaGo可以做到这一点。通过对比赛中选手操作数据的分析，可以在较短的时间周期里学习其操作方式、战术特点，甚至是选手的废操作也可以一并带入。进而达到模仿对手的目的，成为一个实际意义上的影子对手。

如果某一位对手一直堪称你的克星，10次交手或许难求一胜，那么在训练中与他交手100次，1000次你总能找到战胜他的办法。

DNA之五：比疯狂的电脑更疯狂

在AlphaGo问世之前，我们也曾见过诸多水平层次不齐的电脑AI，以星际2为例，其自带的AI尽管掌握了双倍金钱、自带开图、APM无限制等诸多特权，却仍然可以被一名入门级的星际玩家完虐。究其原因，战术单一、兵种搭配死板、没有应对方案是其死穴，因此在类似的竞技类游戏中，人机对战更像是一种鸡肋，只为了向初学者示好。

然而一直以来，拥有一个完美的游戏AI，一直是各大游戏厂商的梦想，受困于现有游戏AI的限制，一些极具创意的游戏模式被舍弃。而这次，AlphaGo或许会让美梦成真。

作为更智能、更强大的游戏AI，AlphaGo不仅可以执行基于游戏规则的行动，其对于数据强大的分析能力可以承载游戏设计者更多的创意，想想看，当你面对的AI不再是那个死板的暴兵狂魔，而是一个会见招拆招，偶尔还会给你憋大招的家伙，甚至可以像某个你仰慕已久的电竞选手一样与你对战，那场景该多有趣。

DNA变革：重新定义电子竞技

AlphaGo从被Deepmind创造出来的那一刻起，就被赋予了一个艰巨的使命：利用人工智能帮助人类站得更高。尽管在各大媒体的口中，它不过是个追求胜利、不择手段的家伙，然而，人工智能本身并没有任何过错的，它借助计算机先天的储存、运算优势，力图将人类生活的每个方面都可以变得更美好。就像是《超能陆战队》里，大白既可以成为一个战斗力爆表的杀戮机器，也可以成为一个乖巧的医疗专家，一切的不同只是在于初心。

11年前，Sky一跃跳上冠军舞台时，那时的电竞还是一片荒野，拼命就有收获；

11年后，当解说台都摆满了数据表，现代的电竞已是一座城池，专业+天赋，才会有胜利的机会。