玩转《星际争霸》？谷歌AI碾压人类职业玩家

　　【网易智能讯 1月25日消息】据Vox报道，谷歌英国子公司DeepMind的人工智能（AI）系统已经征服了国际象棋和围棋游戏，并转向复杂的实时游戏。现在它以10比1的战绩，击败了《星际争霸2》（（Starcraft II））的人类职业玩家，达到了新的里程碑。

　　研究表明，很多美国人担心AI会取代他们的工作，包括Uber和Lyft的司机、快递员、接待员，甚至是软件工程师。今天一场精彩的表演赛表明，另一群人也应该为自己的“饭碗”担心了，那就是职业游戏玩家！

　　DeepMind开发的全新AI系统AlphaStar，在《星际争霸2》中与多名职业玩家展开了对决，这是对AI能力发展到何种程度的惊人展示。《星际争霸》是一款复杂的战略游戏，要求玩家在任何时候都要考虑成百上千个选择，在漫长的征战之上做出最有回报的战略选择，并在信息不完善的快速变化环境中进行操作。每天有20多万场《星际争霸》比赛。

　　DeepMind的AI比赛在YouTube和Twitch上进行了直播，自视频于周二发布以来，不仅是游戏玩家，还有AI爱好者都对它寄予了厚望。结果令人震惊：AlphaStar以10比1的战绩碾压人类玩家。AlphaStar的成功震惊了观察人士。当然，它也犯了一些错误，有些十分明显，有些则令人感到怪异，但它还是取得了最后的胜利。

　　虽然AI系统有时会利用计算机的天然优势——更快的反应时间和每分钟更多的操作，但DeepMind团队试图某种程度上限制其AI的能力，AlphaStar的反应时间实际上比人类慢，每分钟操作也比专业人士少。相反，AlphaStar是通过运用多种策略获胜的，展示了其对游戏中秘密行动和侦察方面的理解，在拥有优势时加大攻势，在战局不利时及时撤退。

　　对于担心失业的视频游戏玩家来说，这不仅仅是个大新闻。它也展示了现代机器学习技术的非凡力量，并证实DeepMind以令人惊讶的新方式应用这些技术超越人类方面处于领先地位。《星际争霸2》是一款比国际象棋复杂得多的游戏。虽然AlphaStar尚未与世界上最好的游戏玩家较量，但这与IBM的“深蓝”(Deep Blue)与加里·卡斯帕罗夫(Garry Kasparov)之间的国际象棋比赛有很多相似之处，后者改变了我们所知道的计算机功能。这再次提醒我们，先进的AI正在到来，我们需要开始考虑如何安全部署它。

　　哪些游戏不受AI影响？

　　三年前，AI初创企业DeepMind凭借神经网络AlphaGo在全球引起轰动。该公司随后被谷歌收购，目前是谷歌母公司Alphabet旗下的独立子公司。AlphaGo超越了所有人类围棋专家，展现出一种令专业围棋选手惊叹和着迷的围棋策略。一年后，DeepMind又推出了AlphaZero，这是一款改进后的AI系统，用于了解两个人玩的游戏，可以通过训练来掌握围棋、国际象棋和其他具有类似属性的游戏。

　　国际象棋和围棋都有些特殊的地方，这使得它们可以直接使用相同的机器学习技术。它们都是两个人玩的、拥有完美信息的游戏，这意味着任何玩家都不需要隐藏任何信息。在每轮对决中，棋手只需做出一个决定。在国际象棋中，玩家需要决定移动哪个棋子。在围棋中，在哪里放置新的棋子。

　　而在像《星际争霸》这样的现代竞争电脑游戏，则要复杂得多。它们通常要求玩家一次做很多决定，包括决定把注意力集中在哪里。它们通常包含不完全的信息，不知道对手在做什么，也不知道你接下来要面对什么。

　　大型AI研究机构OpenAI的AI工程师唐杰(音译)表示！“作为现代AI研究的基准任务，这类实时战略游戏真的很有趣。这其中有两个原因：玩家需要掌控长时间尺度，即从你做出决定到看到回报之间的时间长度。在国际象棋或围棋中，这种回报通常可以在棋局移动后立即进行评估，并检查棋局是否更容易获胜。”

　　唐杰还称，在像《星际争霸》(或他所致力于的《DOTA》)这样的游戏中，你需要在一个小时内的每一秒做出10个决定，所以你需要考虑成千上万个动作。为此，当你考虑到“我如何能赢得这场比赛？”等因素时，这真是个难题。

　　这些特性使得这些游戏成为非常适合AI的测试平台。深度学习系统，就像DeepMind擅长开发的那种，需要大量的数据来发展他们的能力，并且有大量关于人们如何玩游戏的数据。对于《星际争霸》和《星际争霸2》来说，人们已经在网上玩了20年了。对AI来说，它们代表着比国际象棋或围棋等游戏更大的挑战，但现有的数据足以让这种挑战变得可以克服。

　　出于这个原因，AI实验室对在网络游戏中测试他们的创作越来越感兴趣。唐杰工作的OpenAI始终致力于在《DOTA》游戏中，利用AI系统与职业玩家对决。DeepMind早在2017年就与暴雪娱乐公司(Blizzard Entertainment)合作，推出了许多工具，用于在《星际争霸》等游戏上训练AI系统。如今，我们看到了这种努力的结果。

　　《星际争霸》有不同的游戏模式，但竞技模式属于双人游戏。每个玩家都有些基本资源。他们建立自己的基地，派出侦察兵，当他们准备就绪时，派出军队进攻敌人的基地。谁先摧毁敌人所有的建筑，谁就是胜利者。有些《星际争霸》游戏结束得很快，你可以早早地建立军队，在你的对手准备好之前就把它派出去，并在5分钟内将其摧毁。

　　其他游戏模式可能会持续一个多小时。我们观看了AlphaStar采用快速而积极的早期策略的比赛，也观看了持续时间明显更长的比赛，双方都派出了庞大的军队，并制造出先进的武器。然而，在这些比赛中，没有任何游戏持续时间超过半小时，这意味着我们没有机会看到AlphaStar如何处理《星际争霸》后期战役的表现，但那只是因为没有人能抵御AlphaStar足够长的时间，让它持续时间更长。

　　今天，DeepMind发布了AlphaStar和职业玩家在过去几个月秘密进行的10次游戏对决录像，然后在最新版本的AlphaStar和排名靠前的职业星际玩家之间直播了一场比赛。AlphaStar前五场比赛的人类对手是职业选手TLO。在这些比赛中，DeepMind对一系列AI进行了为期一周的实时训练(在此期间，AI相当于获得《星际争霸》200年的游戏时间)，每次训练的重点略有不同，然后选择表现最好的AI与人类对战。

　　在拥有200年经验之后，AlphaStar仍然犯了些明显的错误。在一场令人难忘的比赛中，AlphaStar在“瓶颈处”来回行进，毫无意义地为反击做准备，而评论员则表达了深深的困惑。AlphaStar没有使用所有可以使用的工具。尽管如此，它依然赢得了每场比赛，它的战术优势足以弥补其弱点。

　　在与TLO的五场比赛后，DeepMind团队让AlphaStar重新接受训练。在经过14天的实时训练后，来自锦标赛式训练环境的胜出者接受训练的时间相当于200年，而这种差别是显而易见的。AI不再犯明显的战术错误。它的决定对人类观察者来说仍然不是总有意义的，但是很难识别出任何明显的错误。

　　AlphaStar接下来与更高等级的职业玩家——格列戈尔兹·科明兹（Grzegorz？ Komincz，绰号MaNa）对决，不像TLO，MaNa操作他最喜欢的种族(星际争霸有三个种族，而且大多数职业玩家专练不同的种族)。即使MaNa没有犯明显的错误，他也依然被打败了，这在很大程度上要归功于AI分裂和操纵其单位的能力，其协调性是任何人类都无法媲美的。AlphaStar再次赢了每场比赛。

　　唐杰表示！“这真的很有趣，也令人印象深刻。我一直在寻找的更高层次的东西，那就是战略与机制。也就是说，AI是否擅长提出游戏的大方向，或者只是通过巧妙地执行糟糕的策略而获胜？AlphaStar在这两方面的表现都很出色。它提出的高水平策略与职业玩家水平的人类玩家非常相似，它还有完美的机制可以遵循。”

　　之后，DeepMind又回到了绘图板上。在这10场比赛中，AI有个人类玩家所没有的巨大优势：它能够看到地图上所有可见的部分，而人类玩家必须操纵摄像头才能看到。DeepMind训练了新版本的AlphaStar，它必须自己操纵摄像头。然后是200年的训练，并从自我对决中挑选最好的AI代理。

　　在随后现场直播的比赛中，这款新的AlphaStar AI输给了MaNa，它似乎受到了自身需要操作摄像头的严重阻碍，无法像早期游戏中其他版本的AlphaStar所采取的许多惊人策略。对于DeepMind来说，这次失利可能是个令人失望的结局，但这款AI只训练了七天。看起来，当它有机会接受进一步训练时，它将可能重新赢得比赛。DeepMind发现，管理摄像头的AI只是稍弱了一点，并在奋起直追。

　　目前AlphaStar的模型当然还有弱点。事实上，早期AlphaStar AI的许多缺陷让人想起DeepMind AlphaGo的早期比赛。早期发布的AlphaGo通常获胜，但经常会出现人类能够识别的错误。DeepMind团队始终在改进它，如今AlphaZero不会犯任何人类可能会注意到的错误。

　　很明显，AlphaStar在《星际争霸》方面仍有改进的空间。它相对于人类的战略优势很大程度上来自于这样一个事实：作为一台计算机，它更擅长于微观管理。它的军队擅长侧翼包抄和智取人类军队，部分原因是它能同时指挥五支军队，而这是任何人类都无法做到的。

　　在这些游戏中，很少有战术在职业游戏中得到广泛应用，因为AI的成功主要不是因为它在考虑人类局限性从而打败了人类，而是因为它找到了能够融入自身优势的战术。虽然从技术上讲，AI的每分钟操作和反应时间都在人类的控制范围之内，但由于它的精确度更高，似乎仍有优势。更公平的做法可能是进一步限制AlphaStar的能力。

　　人类在很多方面仍然比最好的AI具备更大优势。例如，MaNa根据AlphaStar最初的五场比赛调整了自己对AlphaStar的反应，这可能会让他在直播比赛中获得优势。AlphaStar做不到这一点，我们不太了解能够让AI在一场游戏中学到很多东西，然后在下一场游戏中应用这些经验的训练方法。

　　尽管如此，解说员反复强调，AlphaStar在很多方面都与人类惊人地相似。它知道如何佯攻，如何发动早期攻击，如何应对伏击，如何在地形上导航。早在需要煞费苦心地给电脑发布指令的时候，唐杰就一直在为游戏开发AI。他说！“从那时起，我们在现代AI和现代强化学习所能做出的各种决定方面取得了巨大的进步，真是令人印象深刻。”

　　在AlphaStar输掉的一场比赛中，有一件事它不知道该怎么做，那就是“好好比赛”。一旦比赛无望，它就像人类玩家那样认输。也许下次我们看到它的时候，它就会明白这些道理了，也许就再也不需要这些指导了。

　　（选自：Vox 作者：Kelsey Piper 编译：网易科技 参与：小小）