今天，OpenAI 发布了一项新成果。我们使用 PPO（近端策略优化）——一种由 OpenAI 开发的通用强化学习算法——训练了一支由 5 个智能体组成的队伍来玩 Dota，并击败了半职业选手。

在我看来，在迄今为止所有 AI 取得实质性进展的游戏中，这款游戏最贴近现实世界和复杂的决策过程（融合了战略、战术、团队协作与实时操作）。

我们训练的智能体能以 90-95% 的胜率稳定战胜两周前的版本。我们没有使用人类对局数据进行训练——当然，奖励函数是我们设计的，但算法是通过自我对弈学会如何游戏的。

这意义重大，因为它表明，只要投入足够的算力，并拥有一个能很好地刻画所要解决问题的优质仿真环境，深度强化学习就能解决极其困难的问题。我们希望很快能用同样的方法去解决截然不同的问题。很容易想象，它会被应用于越来越贴近现实世界的环境中。

世界上有许多问题都复杂到无法通过手写规则来解决。我认为，这将成为机器学习的一个重要分支，也是通往通用智能道路上的重要一步。