北京時間今日凌晨，谷歌母公司Alphabet旗下人工智能公司DeepMind與暴雪聯(lián)合直播最新AI程序“AlphaStar”與《星際爭霸2》職業(yè)選手比賽實(shí)況錄像，并讓AlphaStar和人類選手現(xiàn)場進(jìn)行一盤比賽。AlphaStar在實(shí)況錄像中的10場均獲勝，而在與人類選手現(xiàn)場比賽時不敵人類，因此最終總成績定格在10-1。
在直播開始之際，DeepMind在官方博客上詳細(xì)解釋了打造AlphaStar的全過程。DeepMind團(tuán)隊認(rèn)為，盡管《星際爭霸》只是一款游戲，但不失為一款較為復(fù)雜的游戲。AlphaStar背后的技術(shù)可以用來解決其他的問題。在天氣預(yù)報、氣候建模、語言理解等等領(lǐng)域，以及研究開發(fā)安全穩(wěn)定的人工智能方面，都會有很大幫助。
以下為DeepMind文章主要內(nèi)容：
在過去幾十年里，人類一直用游戲測試評估AI系統(tǒng)。隨著技術(shù)的進(jìn)步，科學(xué)界尋找復(fù)雜的游戲，深入研究智力的方方面面，看看如何才能解決科學(xué)問題和現(xiàn)實(shí)問題。許多人認(rèn)為，《星際爭霸》是最有挑戰(zhàn)的RTS（實(shí)時戰(zhàn)略）游戲之一，也是有史以來電子競技領(lǐng)域最古老的游戲之一，它是AI研究的“大挑戰(zhàn)”。
現(xiàn)在我們推出一個可以操作《星際爭霸2》游戲的程序，名叫AlphaStar，它是一個AI系統(tǒng)，成功打敗了世界頂級職業(yè)玩家。12月19日，我們舉行了測試比賽，AlphaStar打敗了Team Liquid戰(zhàn)隊的Grzegorz "MaNa" Komincz，他是世界最強(qiáng)的職業(yè)玩家之一，以5比0獲勝，之前AlphaStar已經(jīng)打敗同隊的Dario “TLO” Wünsch。比賽是按照職業(yè)標(biāo)準(zhǔn)進(jìn)行的，使用天梯地圖，沒有任何游戲限制。
在游戲領(lǐng)域，我們已經(jīng)取得一系列成功，比如Atari、Mario、《雷神之錘3：競技場》多人奪旗、Dota 2。但是AI技術(shù)還是無法應(yīng)付復(fù)雜的《星際爭霸》。想拿到好結(jié)果，要么是對游戲系統(tǒng)進(jìn)行重大調(diào)整，對游戲規(guī)則進(jìn)行限制，賦予系統(tǒng)超人一般的能力，或者讓它玩一些簡單地圖。即使做了修改，也沒有系統(tǒng)可以與職業(yè)玩家一較高下。AlphaStar不一樣，它玩的是完整版《星際爭霸2》，用深度神經(jīng)網(wǎng)絡(luò)操作，網(wǎng)絡(luò)已經(jīng)用原始游戲數(shù)據(jù)訓(xùn)練過，通過監(jiān)督式學(xué)習(xí)和強(qiáng)化式學(xué)習(xí)來訓(xùn)練。
《星際爭霸》游戲的挑戰(zhàn)
《星際爭霸2》由暴雪娛樂制作，是一款單位眾多的多層次宇宙科幻游戲，在設(shè)計上非常挑戰(zhàn)人工智能。與前作一樣，《星際爭霸2》也是游戲史上最宏大和成功的游戲，已有20余年的電競聯(lián)賽歷史。
該游戲玩法眾多，但電競中最常見的是1對1對戰(zhàn)，五局三勝制。開始時，玩家從人類、星靈和異蟲三個種族中人選一個進(jìn)行操作，每個種族都有獨(dú)特的特點(diǎn)、能力（機(jī)關(guān)專業(yè)選手會專注于一個種族）。開局時，每個玩家都有一些“農(nóng)民”來采集資源和建造建筑，解鎖新科技。這也讓玩家可以收集新的資源，建造更復(fù)雜的基地和建筑，研發(fā)新科技以勝過對手。要取得勝利，玩家必須仔細(xì)平衡宏觀經(jīng)濟(jì)管理，即宏觀經(jīng)濟(jì)，和每個單位的控制，即微操。
這就需要平衡短期和長期目標(biāo)，還要應(yīng)對意外情況，整個系統(tǒng)因而經(jīng)常變得脆弱僵硬。處理這些問題需要在下列若干人工智能領(lǐng)域解決挑戰(zhàn)，取得突破：
- 游戲理論：《星際爭霸》是個游戲，就想剪刀石頭布一樣，沒有單一最佳戰(zhàn)略。因此人工智能訓(xùn)練過程中需不斷探索和擴(kuò)展最戰(zhàn)略知識前沿。
- 瑕疵信息：不同于國際象棋或圍棋那種一覽無余的狀態(tài)，星際玩家無法直接觀察到重要信息，必須積極探索“探路”。
- 長期規(guī)劃：和許多現(xiàn)實(shí)世界中的問題并非是從“因”立即生“果”一樣，游戲是可以從任何一個地方開始，需要1個小時時間出結(jié)果，這意味著在游戲開始時的行動可能在很長一段時間不會有收效。
- 即時性：不像傳統(tǒng)桌面游戲，玩家輪流行動，星際玩家必須在游戲時間內(nèi)持續(xù)排兵布陣。
- 龐大的行動空間：要同時控制上百個單位及建筑，這就導(dǎo)致了大量的可能性，行動是分級別的，可以被修改和擴(kuò)張。我們將游戲參數(shù)化后，每個時間步驟平均約有10到26個合理行為。
由于上述的大量挑戰(zhàn)，《星際爭霸》成為了人工智能研究中的“大挑戰(zhàn)”。自從2009年《母巢之戰(zhàn)》應(yīng)用參數(shù)界面問世后，圍繞《星際爭霸》和《星際爭霸2》開展了眾多人工智能競賽。
AlphaStar與MaNa的第二場比賽可視化動圖。人工智能的視角，原始觀測輸入神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)內(nèi)部活動，一些人工智能考慮可采取的行動，如單擊哪里或在哪里建造，以及預(yù)測結(jié)果。MaNa的視角也在其中，但人工智能看不見他的視角。
AlphaStar如何觀察游戲以及玩游戲的
職業(yè)玩家TLO和MaNa的APM可以達(dá)到數(shù)百，現(xiàn)有機(jī)器人高出很多，它們可以獨(dú)立控制每一個單位，持續(xù)維持幾千甚至幾萬的APM。
對決TLO和MaNa時，AlphaStar的平均APM約為280，比職業(yè)玩家低，但它的動作更精準(zhǔn)一些。為什么APM會低一些？主要是因?yàn)锳lphaStar是用錄像訓(xùn)練的，因此它會模擬人類玩法。還有，AlphaStar在觀察和行動之間平均會有350ms的延遲。
AlphaStar在APM和延遲方面與人類玩家的比較
對決時，AlphaStar借助原始界面與《星際爭霸》游戲引擎交流，也就是說，它可以直接觀察地圖上的我方單位和敵方可見單位，不需要移動攝像頭。如果是人類玩家，注意力有限，必須調(diào)整攝像頭，讓它瞄準(zhǔn)應(yīng)該關(guān)注的地方。分析AlphaStar游戲能發(fā)現(xiàn)，它有一個隱藏的注意力焦點(diǎn)。平均來說，游戲代理每分鐘會切換環(huán)境約30次，和MaNa、TLO的頻率差不多。
比賽之后，我們開發(fā)了第二版AlphaStar。和人類玩家一樣，這個版本的AlphaStar需要確定何時移動攝像頭，應(yīng)該瞄準(zhǔn)哪里，對于屏幕信息，AI的感知受到限制，動作位置也受到可視區(qū)域的限制。
AlphaStar在使用原始界面和控制攝像頭時，其MMR數(shù)據(jù)比較
我們訓(xùn)練了兩個代理，一個使用原始界面，一個學(xué)著控制攝像頭。兩個代理最開始時都用人類數(shù)據(jù)進(jìn)行監(jiān)督式和增強(qiáng)式訓(xùn)練。使用攝像頭界面的AlphaStar幾乎和使用原始界面的AlphaStar一樣強(qiáng)大，在內(nèi)部排行榜上達(dá)到7000 MMR（天梯積分）。在演示比賽中，MaNa用攝像頭界面打敗了原型版AlphaStar，但它只訓(xùn)練了7天。我們希望能在近期內(nèi)評估精煉的攝像頭界面AlphaStar。
事實(shí)證明，AlphaStar與MaNa和TLO對決時之所以占據(jù)上風(fēng)，主要是因?yàn)樗暮暧^戰(zhàn)略、微觀戰(zhàn)略決策能力更強(qiáng)，靠的不是超級點(diǎn)擊率、超快響應(yīng)時間、原始界面。
AlphaStar與職業(yè)玩家的較量
《星際爭霸》這款游戲包含三大外星種族：人類、星靈和異蟲。玩家可以從中選擇一個族類開始游戲。目前，我們僅針對星靈一族對AlphaStar進(jìn)行了訓(xùn)練，以減少訓(xùn)練時間和差異。值得一提的是，相同的訓(xùn)練模式可以也應(yīng)用到其他兩個種族的訓(xùn)練上。經(jīng)過訓(xùn)練的代理可以在《星際爭霸2》（v4.6.2）的CatalystLE天梯地圖中，實(shí)現(xiàn)星靈族與星靈族的較量。
為評估AlphaStar的表現(xiàn)，團(tuán)隊最初測試了代理對弈玩家TLO（一位頂級職業(yè)異蟲玩家和大師級星靈玩家）的表現(xiàn)。AlphaStar以5:0的戰(zhàn)績獲勝，對弈過程中AlphaStar靈活使用了大量單位和建造命令。
“代理的強(qiáng)大水平令我驚訝，”TLO表示，“AlphaStar將眾所周知的策略融會貫通。代理運(yùn)用的策略，也是我之前從未想到過的。也就是說對于這個游戲，我們或許還有很多玩法沒有探索出來。”
對我們的代理繼續(xù)訓(xùn)練了一周之后，我們讓代理與另一名玩家MaNa進(jìn)行較量。MaNa不僅是世界頂級的《星際爭霸2》玩家，也是排名前十的最擅長使用星靈族的玩家之一。AlphaStar再次以5:0的戰(zhàn)績獲勝，體現(xiàn)了強(qiáng)大的微觀和宏觀策略技能。
“AlphaStar在每局游戲中采用的操作和不同策略十分令人印象深刻，近乎人類選手般的游戲策略出乎我的意料，”MaNa說，“我這才意識到，自己之前的策略過分依賴失誤和人類反應(yīng)力，因此這場比賽讓我對游戲有了全新的認(rèn)識。我們很期待未來的無限可能。”
AlphaStar和其他復(fù)雜問題
盡管《星際爭霸》只是一款游戲，但不失為一款較為復(fù)雜的游戲。我們認(rèn)為，AlphaStar背后的技術(shù)可以用來解決其他的問題。比如，它的神經(jīng)網(wǎng)絡(luò)架構(gòu)可以基于不完美的信息，對長時間序列中的可能行為進(jìn)行建模——因?yàn)橐痪钟螒蛲ǔｉL達(dá)1個多小時且涉及成千上萬次動作?！缎请H爭霸》的每一幀都是輸入的一個動作，神經(jīng)網(wǎng)絡(luò)在每一幀動作之后都會對接下來的游戲發(fā)展進(jìn)行預(yù)測。根據(jù)較長的數(shù)據(jù)序列進(jìn)行復(fù)雜的預(yù)測，是很多現(xiàn)實(shí)世界挑戰(zhàn)中的基本問題，比如天氣預(yù)報、氣候建模、語言理解等等。AlphaStar項目的學(xué)習(xí)和發(fā)展對幫助這些領(lǐng)域取得顯著進(jìn)展的可能性，值得期待。
我們還認(rèn)為，團(tuán)隊的一些訓(xùn)練方法或可有助于研究開發(fā)安全穩(wěn)定的人工智能。人工智能的一大挑戰(zhàn)是，系統(tǒng)出錯的方式各種各樣。先前，《星際爭霸》的職業(yè)玩家可以通過各種新穎方式誘導(dǎo)代理失誤，輕易擊敗AI系統(tǒng)。AlphaStar采用的基于league模式的創(chuàng)新訓(xùn)練方式，可以找到最可靠、最不容易出錯的方式。這一創(chuàng)新方式對改進(jìn)整體AI系統(tǒng)（尤其是在諸如能源等安全至上、且解決復(fù)雜邊緣案例十分關(guān)鍵的領(lǐng)域）的安全性和穩(wěn)定性的前景亦值得期待。
實(shí)現(xiàn)最高水平的《星際爭霸》對弈代表了人工智能在有史以來最復(fù)雜電子游戲中取得的重大突破。我們相信，這些進(jìn)展，以及AlphaZero和AlphaFold等項目的其他進(jìn)展，代表著我們在創(chuàng)建人工智能系統(tǒng)之路上的又一大前進(jìn)。未來終有一日，智能系統(tǒng)將幫助人類解鎖解決世界上一些最重要、最基本之科學(xué)問題的創(chuàng)新方式。
【來源：新浪科技】
