303宿舍，羅堯吃著西瓜，不斷的刷新著各大遊戲內競技版排名，翻開著玩家們對局資料，從數學的角度分析比賽。

結合複盤錄像，製定查缺補漏的方案，是未來減少失誤的關鍵。

要是303的舍友們看到羅堯在打遊戲，估計內心又要難過一陣子。

在內卷的時代，網癮少年和情聖該有的體驗都有，日子過的不慌不忙很滋潤，還被被叫學神的，恐怕隻有羅堯了。

在宿舍研究遊戲，也是羅堯的無奈。

連續肝了兩天的ai開發，羅堯心累，決定停下來。

羅堯的身體在高效的休息之下倒是不覺得疲勞，反倒是心理上的疲勞。

和棋類ai不同的是，在電競中產生的隨機性事件比較多，而且策略的組合多到讓人頭皮發麻。

羅堯的理解是，至少現在來看，電競ai就目前來看，是比棋類ai更難開發的。

棋類ai學習套路和範圍相對單一，隻需要運算速度足夠，就能把對手所有的下子策略都列舉出來，隨後根據對手的下子來不斷的做排除法，最終把子下來最佳的位置。

而人腦的運算速度，顯然不如電腦的，而當人腦的計算失誤，棋類ai的機會就來了。

如果讓羅堯這個腦子裏自帶個來自未來超級ai的人去和現在的ai下棋，那他敢保證能把現在的棋類ai打出屎。

然而，電競ai就不同了。

ai去操作角色，細節的操作上，是幾乎不可能出現錯誤，關鍵是在對局中的各種策略。

出裝、資源獲取與利用這些遊戲的可能性，倒是能夠有明確的數據，但這種數據是及其海量的，比棋類遊戲多太多，真正在對局的時候，人通常是不按套路出牌的。

當人類用跨越性的思維的時候，對ai是一種降維打擊。

所以策略這種玩意兒，對於ai來說略微玄幻，是ai難以完全統籌學習的。

跨越性思維，就好像ai天生被設定好的禁區一樣，無法進入。

其實按照目前思路開發出來的ai，已經能夠滿足普通人的訓練要求。

然而，要發表在最高級別學術期刊上的論文，這種水平顯然是沒有什麽說服力的。

這種水平的ai，國內的互聯網大廠隻要集中團隊和資源來搞，那應該沒什麽問題。

論文的優越性就喪失了，尚且可以通過民間科學家般的語言藝術，去水一篇sci，可這樣就不用浪費時間在這個項目上因為隻會曇花一現，實用價值喪失。

這種項目不搞也罷，要搞，那就要啃硬骨頭。

綜合評估下來，現在的ai雖然隻是個空骨架，不過可以預見的是，在王者榮耀、吃雞類遊戲、英雄聯盟中維持個鑽石段位是沒有問題的，可要再往高處走就難了。

原因在於鑽石以上段位的選手犯錯的概率相對較低，而且出裝、資源獲取和分配的手段相當多樣化，各種跨越性思維和出其不意戰術的運用，對ai來說都是噩夢。

困境之下，羅堯決定去遊戲中找一找思路。

以他現在的水平，打到各類遊戲的最高段位，那是沒什麽難度的事情。

羅堯漸漸覺得，要教會一個ai，去打到最強王者這個段位，比教人要難。