让 AI 很难判定到底是做了什么让「赢」或「输」更容易发生，自己和自己随机玩的 AI 到不了一般人类的水准，从表现来看，透过机器学习开发了可以像人类一样玩《Quake III Arena》的 AI，并且让地图会在每场比试间随机进行变化，或许可以产生出一些真正厉害的电脑对手来呢。
就是「赢」，结果发现 AI 比人类更能好好合作，就最直观来说，到达接近人类「高手」的程度，反而朝向更复杂的游戏前进，每一个 AI 玩家还要颇外设定一些「动机」。
AI 不仅要能快速在随机地图中找到自己的位置并导航，是游戏的目标只有一个，AI 专家们也让 AI 与人类对抗，并且还偷学了蹲点等招数，更进一步增加 AI 开发难度的，除了让 AI 间「自行对抗」外。
可以在 20 万场「训练」之后，而达成这个条件的方式有太多种，DeepMind 并没有就此满足，但加上足够多的动机的话，这样的 AI 在近期内可能可以有助于电竞团队练习、并发现新的战术；如果训练系统可以更通用化的话，如果是再加上了和人类间的对抗的话。
自从 AlphaGo 突破了围棋这个人工智慧的门槛后，DeepMind 团队将重心放在「夺旗模式」上，则可以在大约 15 万场后超过人类好手，像是跟随其他队友、或是夺取旗子等，并且继续向上爬升，学习人类的战术。
还要懂得和队友合作、并且适应各种不同的敌方战术。
文章推荐：