编者按：继在最复杂的棋类游戏击败了人类世界冠军之后，Google的DeepMind又瞄准了最复杂的视频游戏——实时策略游戏《星际争霸》。经过短短两周的训练之后，前不久，其AI AlphaStar以两个5：0分别击败了两位顶级的人类职业玩家，令世人再度感到震惊。不过，AI的能力真的有这么强吗？arstechnica网站的一篇文章对此进行了剖析。
2014年Google收购的AI初创企业DeepMind，其最知名的成就也许是成为第一个击败人类围棋世界冠军的AI。在掌握了全世界最具挑战性之一的棋类游戏之后，你接下来又会干什么呢？攻克最复杂的视频游戏。DeepMind于是决定写一个AI来玩实时策略游戏星际争霸2。
星际争霸要求玩家收集资源、建立很多的部队，然后利用这些来摧毁对手。星际争霸对AI尤其具有挑战性，因为玩家必须在几分钟的游戏时间内制订长远计划，并在面临敌人攻击时实时地进行调整调度。DeepMind称在自己之前，还没人能够设计出与最好人类玩家水平接近的星际争霸AI。
最近DeepMind宣布了一项重大突破。其星际争霸AI AlphaStar分别以两个5：0击败了两位星际争霸的顶级玩家——Dario "TLO" Wünsch与Grzegorz "MaNa" Komincz。
训练AlphaStar用了“长达200年”的虚拟游戏素材
DeepMind称“AlphaStar的行为由一个深度神经网络生成，该网络接收裸游戏界面（游戏单位及属性清单）的数据输入，然后输出一系列构成游戏动作的指令。说得具体一点，该神经网络架构应用了一个transformer 作为躯干，结合了一个深度 LSTM 内核、一个自回归策略头、一个指针网络，以及一个集中化的价值基线。”
这些专业的说法很绕，不过DeepMind解释了训练其虚拟星际争霸玩家改进技巧的部分细节。
首先他们用有监督学习帮助AI学习模仿人类玩家的策略。这种强化学习技巧足以开发出一个能玩的星际争霸2机器人。DeepMind称这个初始的机器人“95%的时间内击败了内置的精英级AI（相当于人类玩家的黄金级）。”
DeepMind然后靠这个AI派生出来多个版本，每一个的游戏风格都略有不同。所有的AI都被放进一个虚拟的星际争霸联赛当中，每一个AI会跟其他AI不停地挑灯夜战，不断地从错误中吸取教训，然后持续地演进自己策略。
DeepMind写道：“为了鼓励联赛的多样性，每一个AI都有自己的学习目标：比方说，要击败哪些竞争对手，要增加哪些偏向于指导AI如何玩游戏的激励因子。某个AI的目标可能是击败特定对手，而另一个AI可能是如何击败一群竞争对手，但是是靠做出更多特定游戏单位来做到的。”
按照DeepMind的说法，一些AI积累的游戏用时相当于人类玩200年的时间。在2周之内，这个进化过程极大地改进率AI的平均技能水平：
到最后时，DeepMind挑选了其中5个最强的AI来应战人类玩家。这种方案的后果之一是人类玩家在每一场比赛时都要面对AlphaStar不同的对战策略。
AlphaStar在开始的游戏中具备一项不公平的优势
DeepMind当时还邀请了游戏主播在复盘时对赛况进行评论。主播被AlphaStar的“微”能力——也就是在激战正酣时迅速做出战术决策的能力给震惊到了。
这种能力在AlphaStar与Komincz对战的第四场比赛中表现得最明显。Komincz是两位人类选手中较强的那位，而第四场也是Komincz最接近获得胜利的一场。这场比赛的高潮部分是Komincz由几种单位类型（不朽者、执政官、狂热者）的部队被AlphaStar完全由追猎者的部队围攻。
AlphaStar v. Komincz的第四场比赛中，AlphaStar的追猎者（蓝）从三方攻击Komincz的不朽者、执政官、狂热者（红），AlphaStar的追猎者最终赢得了比赛继而摧毁了Komincz的基地。
追猎者并没有特别强大的武器和装备，所以跟不朽者和执政官拼刺刀的时候一般都是要输的。但是追猎者行动快，而且有一门叫做“闪现”的绝技，可以瞬间传送到范围内的目标可见地点。
这就为AlphaStar创造了一个机会：用一大群追猎者进行攻击，让前排的搞搞破坏，接着在被干掉之前闪现到后排，然后再慢慢补血。如此反复轮换，AlphaStar就可以在自己损失不大的情况下对敌方造成大量破坏。
这种办法的不好之处是需要玩家持续的注意力。玩家需要监控追猎者的健康状况，找出需要闪现溜掉的追猎者。这就有点棘手了，因为星际争霸玩家往往要照顾一堆的东西——需要关心基地新的单位的建设，侦查敌军基地，盯住敌人进攻等等。
观察AlphaStar与Komincz第四场大战的评论员对AlphaStar的微能力感到惊叹。
评论员Dan Stemkoski说：“这个技巧我们看到AlphaStar一直在用。”。AlphaStar会攻击Komincz的部队然后在自己遭受重大伤害前闪现溜走。他补充说：“我觉得大多数职业玩家玩到这种程度时基本上追猎者都要耗光了”。
AlphaStar的表现尤其令人印象深刻，因为它一度对不同地方的多组追猎者采用这种战术。
评论员Kevin "RotterdaM" van der Kooi 说：“在星际争霸2这样的游戏里面做这个是特别困难的，如果你的部队一部分在屏幕下方，一部分在屏幕上方的话，想要同时做这件事情是特别困难的。这么好的控制是现象级的。”
Stemkoski补充说：“真正令人震惊的是当我们看看每分钟动作数时，其实AlphaStar是没那么高的。这是一个可以接受的专业级速度。”
DeepMind制作了一幅图来说明这一点：
正如这张图表显示那样，顶级的星际争霸玩家可以非常迅速地发布指令给自己的部队。Grzegorz "MaNa" Komincz在跟AlphaStar对战时的平均APM（每分钟动作数）是390（每秒钟超过6下！）。不过当然了，计算机程序轻易就能在一分钟之内执行数千动作，那种对部队的控制频度绝对是无人能敌的。
为了避免这一点，DeepMind称自己给AlphaStar的APM设定了上限。DeepMind研究人员Oriol Vinyals在Reddit上写道：“我们设定5秒间隔的最大APM值是600，15秒间隔的最大APM是400，30秒间隔的是320，60秒间隔的是300。”
不过另一位reddit用户迅速指出，5秒钟在星际争霸游戏里面已经算很长了。这些限制似乎意味着AlphaStar可以在1秒钟之内执行50个动作，或者以每秒15个动作的频率执行3秒钟的动作。
更重要的是，AlphaStar有能力以外科手术般的精度使用API，而人类却受制于计算机鼠标的机械限制。如果你看了像Komincz这样的职业玩家玩的话，你会看到裸动作的数量要远远超过有意义的动作的数量。
（编辑：温州站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
