史詩級勝利：谷歌新AI在《星際爭霸2》中10比1大勝職業選手

今日凌晨，DeepMind與暴雪進行了聯合直播，在直播中公布了谷歌最新AI程序AlphaStar與《星際爭霸2》職業選手此前的比賽結果，名為“AlphaStar”的人工智能在與兩位人類職業選手“TLO”和“MaNa”的比賽中，均以5比0取勝。

最后直播的一場比賽中，DeepMind限制了AlphaStar的游戲視角，并在沒有測試的前提下與MaNa進行比賽，讓人類終于贏了一場。最終總成績定格在10-1。

這次比賽是在去年12月進行的。在與TLO的對決中，因為目前AlphaStar的訓練只針對神族，所以它選擇的是蟲族，而TLO只能選擇神族。TLO在5次對決中竭盡全力，可惜還是完敗給AlphaStar。

接下來，另一個AlphaStar代理挑戰神族玩家MaNa。在一些對決中，雙方旗鼓相當，但是AlphaStar還是5戰全勝，零封MaNa。

而在最后直播的一場比賽中，MaNa再次與新的AlphaStar代理對決，這次MaNa終于贏了一場。DeepMind限制了AlphaStar的游戲視角，并在沒有測試的前提下與MaNa進行比賽，因此讓人類終于贏了一場。最終總成績定格在10-1。

賽后TLO評價說：“在我們看來，MaNa打得不好，相信我，與AlphaStar這樣的對手對決是一件很頭痛的事，因為AlphaStar與人類完全不同，你之前沒有碰到過這樣的對手。AlphaStar給人留下深刻印象，的確是空前強大的游戲AI。”

在對戰中，AlphaStar展示了驚人的微操技藝。它可以讓受傷單元快速后撤，讓滿血單元前移。不只如此，AlphaStar還通過前進來控制戰斗節奏，只有在適當的時候才后退，避免造成過大傷害。美國科技網站ExtremeTech指出，AI之所以能做到這一點，靠的不是高APM(手速)，事實上，與人類相比，AlphStar的APM低很多，只是AI的決策更明智。

AI制定的一些戰略決策相當有趣。例如，AI經常命令部隊在坡道上沖鋒，這樣做很危險，因為向上沖時視野受限，不過AI的做法似乎很管用。還有，AlphaStar會用一堆建筑封住坡道，這種策略人類也經常使用，非常實用，AI會用這種方法保護自己的基地。

直到最后的直播比賽，人類才找到代理的一個缺陷。當時，AlphaStar代理調集幾乎所有部隊攻打MaNa的基地，MaNa將幾個戰斗單元傳送到AlphaStar基地的后方，每次傳送之后，AlphaStar都會讓軍隊回頭營救，這樣MaNa就有了足夠的時間擴張部隊，反擊AI。

最終，AlphaStar贏了職業玩家10次，只輸了1次。ExtremeTech認為，如果AlphaStar能從最后一局中汲取教訓，下一次將會無敵。

AlphaGo的首席作者大衛席爾瓦(Dave Sliver)同時也是AlphaStar團隊的核心人物，在直播中分享了AlphaStar技術上的一些細節。不過直播中并未公布AlphaStar后續的正式比賽計劃。

AlphaStar是一種卷積神經網絡。研發團隊用職業玩家的錄像訓練網絡，然后借助對戰模式，研究人員訓練AlphaStar，教它如何打敗人類。隨著時間的推移，研究人員挑選出5個最好的“代理”，讓它們與世界上了些最棒的《星際爭霸2》玩家對決。這樣訓練出來的AlphaStar積累了相當于200多年的實踐經驗。

11月份，在Blizzcon大會上，DeepMind就曾表示，機器學習算法在游戲進行到大約一半時，就擊敗了瘋狂難度的游戲內置AI工具。

現代競技游戲相當復雜，《星際爭霸》正是這樣一款游戲。玩家需要瞬間做出決策，比如應該關注哪個區域。一般來說，在決策過程中涉及到不完全信息，也就是說你無法完全知道對手正在做什么，也不知道接下來會面對什么。

OpenAI的工程師唐杰(Jie Tang，音譯)說：“這類實時戰略游戲非常有趣，它是測試現代AI研究的好標準。”為什么這樣說呢?有幾個原因。首先就是“長期視野”，也就是做出決定、看到結果之間有著很長的時間。如果是國際象棋或者圍棋，通過分析棋盤上的變化就能馬上判斷效果。

但《星際爭霸》不太一樣。唐杰說：“在一個小時的時間內，每一秒你都要做十個決定，所以有成千上萬的舉動你要考慮進去。所以你要好好分配，為什么我能贏得游戲?是不是因為我早早制造了礦工?這可是一個很難的問題。”

從《星際爭霸1》到《星際爭霸2》，20年來有許多人在網上玩游戲，積累了大量數據。如果是象棋或者圍棋，數據沒有那么豐富。

美國媒體Vox指出，在對決演示中，有些比賽持續的時間長一些，有時短一些，不過沒有一盤持續時間超過半小時，所以我們還無法看到AlphaStar在后期對決中的表現，這點也向我們證明，暫時還沒有誰能將AlphaStar拖入后期對決。

實際上，AlphaStar不完美的地方還很多。例如，有時AlphaStar會建造一些無用單位，有時還會陷入困惑，在一場比賽中，AI圍著一個點來回游蕩，漫無目地，評論員看不懂。有些工具本可以使用，便是AI沒有用。無論怎樣，最終AI還是打敗了人類。

與TLO對決之后，DeepMind又將AlphaStar回爐，再次訓練。經過14天的實時訓練之后，AlphaStar回歸，這次用聯賽模式對決，它積累了200年的游戲經驗，表現更加出色。在戰術上，AI沒有明顯失誤。對于人類觀察者來說，AI的決定并非總是有意義，但它沒有犯下明顯錯誤。這次對手換成MaNa，他也沒有犯下明顯錯誤，但是AI合兵散兵的能力仍然技高一籌，最終拿下比賽。

唐杰說：“非常有趣，非常引人注目。有一樣東西是我非常期待的，那就是戰略對決機制。”一方面，AI要為游戲制定宏觀策略，另一方面，AI要通過執行一系列糟糕的策略而獲勝，在這兩方面，AlphaStar都做得不錯。唐杰說：“AlphaStar制定的高級策略與頂級人類玩家非常相似，另外，它的機制也很完美。”

在10次對決中，AI告訴我們它有一個巨大優勢，這個優勢是人類欠缺的：凡是地圖上能看到的地方，AI都能一覽無余，而人類必須依賴攝像頭。

DeepMind正在訓練新AlphaStar，讓它也操縱攝像頭。雖然最后一場AlphaStar輸給了MaNa，不過新AI只訓練了7天。最終AlphaStar會回到戰場，向人類“復仇”。

早期AlphaStar有許多缺陷，這些缺陷與最初的AlphaGo有些相似。開始時AlphaGo也能贏，但是經常犯下人類可以察覺的錯誤。隨著優化的繼續，目前的AlphaZero不會再犯下人類可謂察覺的錯誤了。

很明顯，AlphaStar仍然有很大的改進空間。AlphaStar之所以能戰勝人類，主要還是因為它的微操控制更棒。AI經常利用側面包抄和機動作戰打敗人類，之所以做到，靠的是單位控制，它一次可以指控5個戰斗單元，人類做不到。還有，從游戲看來，AI無法制定出可以在職業世界廣泛流行的策略，換言之，在制定最佳策略時，人類仍然勝過機器算法，AI只是尋找最適合自己的策略，將優勢發揮出來。雖然AI的APM和響應時間仍然處在人類觸及的范圍，但是AI的操作精準度更高，所以它在人類面前仍然有優勢，人類與AI對決，并不是很公平。

還有一點要說的是，對戰5盤之后，MaNa會根據AlphaStar制定新策略，這是AI做不到的。

Vox認為，不論怎樣，AI已經向我們證明，它知道如何佯攻，知道如何發動早期攻擊，知道如何應對伏擊，知道如何利用地形。這些都向我們證明：AI進步神速。

而ExtremeTech指出，人類一直認為，對于我們自己創造的游戲，人類才是真正的主宰，不過計算機一次又一次證明，它才是高手。谷歌DeepMind開發的算法已經在圍棋上擊敗人類，現在又在《星際爭霸2》獲得成功。【責任編輯/古飛燕】

(原標題：谷歌新AI在《星際爭霸2》首秀：10比1大勝職業選手)

來源：新浪科技

IT時代網(關注微信公眾號ITtime2000，定時推送，互動有福利驚喜)所有原創文章版權所有，未經授權，轉載必究。
創客100創投基金成立于2015年，直通硅谷，專注于TMT領域早期項目投資。LP均來自政府、互聯網IT、傳媒知名企業和個人。創客100創投基金對IT、通信、互聯網、IP等有著自己獨特眼光和豐富的資源。決策快、投資快是創客100基金最顯著的特點。

相關文章

史詩級勝利：谷歌新AI在《星際爭霸2》中10比1大勝職業選手