他们获得冠军的这次赛事由Google Research和英超曼城足球俱乐部联合举办，是信息学国际性挑战赛举办平台Kaggle上的一项AI足球挑战赛，全球一共有1138只队伍参加。
经过激烈的角逐，最终，WeKick的赛事积分达到了1785.8分，这一优异成绩让他们在获得冠军的同时，也将其他竞争者远远地甩在了身后。
尤其值得一提的是，WeKick足球队的战斗表现和战斗精神都可圈可点，最后一场比赛中，在落后两球的不利情况下，他们连进三球，最终实现了大逆转。
接下来，就让我们看看这场比赛，以及AI足球队是如何踢球的。
连进三球，成功逆转
这场「AI操控足球的对抗」，是借助Google Research Football的平台进行的。这个平台，其实就是足球控制类游戏，长这样：
不过，在AI眼中的对抗，就朴实无华了许多，数据的堆叠和展示，变成了这个样子：
比赛中，我国的WeKick是红色一方，对手SaltyFish是蓝色一方，他们背后的数字，代表的是控制球员的球衣号码，而足球，则是那个白色字母B。
好的，比赛开始，让我们回到比赛现场。
对阵的双方，分别是WeKick和SaltyFish 。在派出的队员上，对阵的双方数值一样，是无差别的。此外，双方也都没有替补队员。
开场第一次进攻，SaltyFish通过三脚「传球」，便攻破了WeKick的球门。这进球，来得也太快了。
之后，SaltyFish在另外一次进攻中，虽然第一次射门被「扑出」，但是，比分还是进一步扩大了。
情况似乎有些糟糕，因为WeKick目前已经0比2落后了。
不过，倒也不用担心，在一次「角球」中，WeKick扳回了一分。
在中场结束前，WeKick也通过一次精彩的「团队配合」，成功将比分扳平。
最后，在70分钟左右，WeKick利用一脚远射，成功反超了比分。最终，比赛也以这个比分结束了。
「传球」、「扑救」、「团队配合」、「远射」等等。这些正常足球场上会发生的操作，AI在游戏中操作起来也是娴熟无比。
这种操作技术和配合，要换做我啊，那肯定是随随便便......也办不到的啊。
那么，问题来了，这个如此强大的WeKick，又是何方神圣？这个WeKick，究竟是个啥？
实不相瞒，这个WeKick的真面目，其实就是：「绝悟」。是的，不用怀疑，就是王者荣耀里面的那个AI绝悟。
简单理解的话，「绝悟」，是AI的一种底层架构与方法。在王者荣耀的数据去训练的话，就是王者荣耀里的那个全英雄池的「绝悟完全体」，而如果用足球的数据去训练，就是这次比赛的「WeKick」。
（图源：腾讯AI Lab微信）
在赛后总结中，「绝悟」的研究团队向大家揭秘了这个AI背后的秘密。它的出现，一共可以分为三步：
首先，是通过强化学习和自博弈（Self-Play），从零开始训练模型。
利用这个方法进行模型训练，是很常见的操作，本届比赛中的多数参赛球队，都采取了这个方法。
不过，对于足球运动，如果只由进球与否来决定成败的话，其实并不利于模型的训练。于是，「绝悟」的研究团队在价值估计（奖励模式）上，进一步进行细化。
比如：将拦截、出界、越位、过人、控球、传球等各方面都纳入考量，当然，进球这个最重要的评价标准也在其中。
评价标准多样化之后，AI在训练过程中能更快得到反馈，然后进行下一步操作。
简单来说，类似于将一整份试卷细分成了不同的试题，然后制定了一套评审标准。AI，也需要先从基础题型学起。
除了将奖励细分化，由于足球是一项团体配合的运动，所以「绝悟」的研究团队还使用了一种名为「生成对抗模拟学习」（GAIL）的技术来进行自博弈训练。
这项技术，可以模拟一些难以细化定量描述的战术，比如足球比赛中常见的「长传反击」、「控球渗透」等等。
通过模拟出不同战术风格的对手，然后让AI与其对抗，进行训练和学习。
简单理解的话，就是将不同题型依据不同的试卷风格进行排布组合，然后让AI进行「模拟考」，在实战中进一步学习。
在考试中，你是不是遇到过这样一些奇怪的考题，然后是这种状态：「啊，这种题型我没见过啊，这是什么鬼」？AI也有类似的问题。自博弈训练后，得出的结果往往是单一的，对应在考试中，就是形成既定的解题思维。最后，研究人员使用「基于 League 的多风格强化学习」这个方法进行补充训练，防止在赛场上见到一些奇怪的战术，会让AI一时间手足无措，自己先乱起来了。
这其实也是咱们普通人应付考试的时候，老师们经常会给出一些奇奇怪怪模拟试卷的原因。
研究者认为：基于 League 的多风格强化学习和基于 GAIL 的风格学习方法，是保证 WeKick 最终获胜的两大关键秘籍。总而言之，这个来自中国的AI足球队，夺得了世界挑战赛的冠军，这一消息让关注中国足球的各路网友沸腾了。真人不行AI来凑，对此，国足表示，已退出直播间。
