【網(wǎng)易智能訊 1月25日消息】據(jù)Vox報道，谷歌英國子公司DeepMind的人工智能（AI）系統(tǒng)已經(jīng)征服了國際象棋和圍棋游戲，并轉(zhuǎn)向復(fù)雜的實時游戲?，F(xiàn)在它以10比1的戰(zhàn)績，擊敗了《星際爭霸2》（（Starcraft II））的人類職業(yè)玩家，達到了新的里程碑。

　　研究表明，很多美國人擔(dān)心AI會取代他們的工作，包括Uber和Lyft的司機、快遞員、接待員，甚至是軟件工程師。今天一場精彩的表演賽表明，另一群人也應(yīng)該為自己的“飯碗”擔(dān)心了，那就是職業(yè)游戲玩家！

　　DeepMind開發(fā)的全新AI系統(tǒng)AlphaStar，在《星際爭霸2》中與多名職業(yè)玩家展開了對決，這是對AI能力發(fā)展到何種程度的驚人展示?！缎请H爭霸》是一款復(fù)雜的戰(zhàn)略游戲，要求玩家在任何時候都要考慮成百上千個選擇，在漫長的征戰(zhàn)之上做出最有回報的戰(zhàn)略選擇，并在信息不完善的快速變化環(huán)境中進行操作。每天有20多萬場《星際爭霸》比賽。

　　DeepMind的AI比賽在YouTube和Twitch上進行了直播，自視頻于周二發(fā)布以來，不僅是游戲玩家，還有AI愛好者都對它寄予了厚望。結(jié)果令人震驚：AlphaStar以10比1的戰(zhàn)績碾壓人類玩家。AlphaStar的成功震驚了觀察人士。當(dāng)然，它也犯了一些錯誤，有些十分明顯，有些則令人感到怪異，但它還是取得了最后的勝利。

　　雖然AI系統(tǒng)有時會利用計算機的天然優(yōu)勢——更快的反應(yīng)時間和每分鐘更多的操作，但DeepMind團隊試圖某種程度上限制其AI的能力，AlphaStar的反應(yīng)時間實際上比人類慢，每分鐘操作也比專業(yè)人士少。相反，AlphaStar是通過運用多種策略獲勝的，展示了其對游戲中秘密行動和偵察方面的理解，在擁有優(yōu)勢時加大攻勢，在戰(zhàn)局不利時及時撤退。

　　對于擔(dān)心失業(yè)的視頻游戲玩家來說，這不僅僅是個大新聞。它也展示了現(xiàn)代機器學(xué)習(xí)技術(shù)的非凡力量，并證實DeepMind以令人驚訝的新方式應(yīng)用這些技術(shù)超越人類方面處于領(lǐng)先地位?！缎请H爭霸2》是一款比國際象棋復(fù)雜得多的游戲。雖然AlphaStar尚未與世界上最好的游戲玩家較量，但這與IBM的“深藍”(Deep Blue)與加里·卡斯帕羅夫(Garry Kasparov)之間的國際象棋比賽有很多相似之處，后者改變了我們所知道的計算機功能。這再次提醒我們，先進的AI正在到來，我們需要開始考慮如何安全部署它。

　　哪些游戲不受AI影響？

　　三年前，AI初創(chuàng)企業(yè)DeepMind憑借神經(jīng)網(wǎng)絡(luò)AlphaGo在全球引起轟動。該公司隨后被谷歌收購，目前是谷歌母公司Alphabet旗下的獨立子公司。AlphaGo超越了所有人類圍棋專家，展現(xiàn)出一種令專業(yè)圍棋選手驚嘆和著迷的圍棋策略。一年后，DeepMind又推出了AlphaZero，這是一款改進后的AI系統(tǒng)，用于了解兩個人玩的游戲，可以通過訓(xùn)練來掌握圍棋、國際象棋和其他具有類似屬性的游戲。

　　國際象棋和圍棋都有些特殊的地方，這使得它們可以直接使用相同的機器學(xué)習(xí)技術(shù)。它們都是兩個人玩的、擁有完美信息的游戲，這意味著任何玩家都不需要隱藏任何信息。在每輪對決中，棋手只需做出一個決定。在國際象棋中，玩家需要決定移動哪個棋子。在圍棋中，在哪里放置新的棋子。

　　而在像《星際爭霸》這樣的現(xiàn)代競爭電腦游戲，則要復(fù)雜得多。它們通常要求玩家一次做很多決定，包括決定把注意力集中在哪里。它們通常包含不完全的信息，不知道對手在做什么，也不知道你接下來要面對什么。

　　大型AI研究機構(gòu)OpenAI的AI工程師唐杰(音譯)表示！“作為現(xiàn)代AI研究的基準(zhǔn)任務(wù)，這類實時戰(zhàn)略游戲真的很有趣。這其中有兩個原因：玩家需要掌控長時間尺度，即從你做出決定到看到回報之間的時間長度。在國際象棋或圍棋中，這種回報通?？梢栽谄寰忠苿雍罅⒓催M行評估，并檢查棋局是否更容易獲勝。”

　　唐杰還稱，在像《星際爭霸》(或他所致力于的《DOTA》)這樣的游戲中，你需要在一個小時內(nèi)的每一秒做出10個決定，所以你需要考慮成千上萬個動作。為此，當(dāng)你考慮到“我如何能贏得這場比賽？”等因素時，這真是個難題。

　　這些特性使得這些游戲成為非常適合AI的測試平臺。深度學(xué)習(xí)系統(tǒng)，就像DeepMind擅長開發(fā)的那種，需要大量的數(shù)據(jù)來發(fā)展他們的能力，并且有大量關(guān)于人們?nèi)绾瓮嬗螒虻臄?shù)據(jù)。對于《星際爭霸》和《星際爭霸2》來說，人們已經(jīng)在網(wǎng)上玩了20年了。對AI來說，它們代表著比國際象棋或圍棋等游戲更大的挑戰(zhàn)，但現(xiàn)有的數(shù)據(jù)足以讓這種挑戰(zhàn)變得可以克服。

　　出于這個原因，AI實驗室對在網(wǎng)絡(luò)游戲中測試他們的創(chuàng)作越來越感興趣。唐杰工作的OpenAI始終致力于在《DOTA》游戲中，利用AI系統(tǒng)與職業(yè)玩家對決。DeepMind早在2017年就與暴雪娛樂公司(Blizzard Entertainment)合作，推出了許多工具，用于在《星際爭霸》等游戲上訓(xùn)練AI系統(tǒng)。如今，我們看到了這種努力的結(jié)果。

　　《星際爭霸》有不同的游戲模式，但競技模式屬于雙人游戲。每個玩家都有些基本資源。他們建立自己的基地，派出偵察兵，當(dāng)他們準(zhǔn)備就緒時，派出軍隊進攻敵人的基地。誰先摧毀敵人所有的建筑，誰就是勝利者。有些《星際爭霸》游戲結(jié)束得很快，你可以早早地建立軍隊，在你的對手準(zhǔn)備好之前就把它派出去，并在5分鐘內(nèi)將其摧毀。

　　其他游戲模式可能會持續(xù)一個多小時。我們觀看了AlphaStar采用快速而積極的早期策略的比賽，也觀看了持續(xù)時間明顯更長的比賽，雙方都派出了龐大的軍隊，并制造出先進的武器。然而，在這些比賽中，沒有任何游戲持續(xù)時間超過半小時，這意味著我們沒有機會看到AlphaStar如何處理《星際爭霸》后期戰(zhàn)役的表現(xiàn)，但那只是因為沒有人能抵御AlphaStar足夠長的時間，讓它持續(xù)時間更長。

　　今天，DeepMind發(fā)布了AlphaStar和職業(yè)玩家在過去幾個月秘密進行的10次游戲?qū)Q錄像，然后在最新版本的AlphaStar和排名靠前的職業(yè)星際玩家之間直播了一場比賽。AlphaStar前五場比賽的人類對手是職業(yè)選手TLO。在這些比賽中，DeepMind對一系列AI進行了為期一周的實時訓(xùn)練(在此期間，AI相當(dāng)于獲得《星際爭霸》200年的游戲時間)，每次訓(xùn)練的重點略有不同，然后選擇表現(xiàn)最好的AI與人類對戰(zhàn)。

　　在擁有200年經(jīng)驗之后，AlphaStar仍然犯了些明顯的錯誤。在一場令人難忘的比賽中，AlphaStar在“瓶頸處”來回行進，毫無意義地為反擊做準(zhǔn)備，而評論員則表達了深深的困惑。AlphaStar沒有使用所有可以使用的工具。盡管如此，它依然贏得了每場比賽，它的戰(zhàn)術(shù)優(yōu)勢足以彌補其弱點。

　　在與TLO的五場比賽后，DeepMind團隊讓AlphaStar重新接受訓(xùn)練。在經(jīng)過14天的實時訓(xùn)練后，來自錦標(biāo)賽式訓(xùn)練環(huán)境的勝出者接受訓(xùn)練的時間相當(dāng)于200年，而這種差別是顯而易見的。AI不再犯明顯的戰(zhàn)術(shù)錯誤。它的決定對人類觀察者來說仍然不是總有意義的，但是很難識別出任何明顯的錯誤。

　　AlphaStar接下來與更高等級的職業(yè)玩家——格列戈爾茲·科明茲（Grzegorz？ Komincz，綽號MaNa）對決，不像TLO，MaNa操作他最喜歡的種族(星際爭霸有三個種族，而且大多數(shù)職業(yè)玩家專練不同的種族)。即使MaNa沒有犯明顯的錯誤，他也依然被打敗了，這在很大程度上要歸功于AI分裂和操縱其單位的能力，其協(xié)調(diào)性是任何人類都無法媲美的。AlphaStar再次贏了每場比賽。

　　唐杰表示！“這真的很有趣，也令人印象深刻。我一直在尋找的更高層次的東西，那就是戰(zhàn)略與機制。也就是說，AI是否擅長提出游戲的大方向，或者只是通過巧妙地執(zhí)行糟糕的策略而獲勝？AlphaStar在這兩方面的表現(xiàn)都很出色。它提出的高水平策略與職業(yè)玩家水平的人類玩家非常相似，它還有完美的機制可以遵循。”

　　之后，DeepMind又回到了繪圖板上。在這10場比賽中，AI有個人類玩家所沒有的巨大優(yōu)勢：它能夠看到地圖上所有可見的部分，而人類玩家必須操縱攝像頭才能看到。DeepMind訓(xùn)練了新版本的AlphaStar，它必須自己操縱攝像頭。然后是200年的訓(xùn)練，并從自我對決中挑選最好的AI代理。

　　在隨后現(xiàn)場直播的比賽中，這款新的AlphaStar AI輸給了MaNa，它似乎受到了自身需要操作攝像頭的嚴(yán)重阻礙，無法像早期游戲中其他版本的AlphaStar所采取的許多驚人策略。對于DeepMind來說，這次失利可能是個令人失望的結(jié)局，但這款A(yù)I只訓(xùn)練了七天?？雌饋恚?dāng)它有機會接受進一步訓(xùn)練時，它將可能重新贏得比賽。DeepMind發(fā)現(xiàn)，管理攝像頭的AI只是稍弱了一點，并在奮起直追。

　　目前AlphaStar的模型當(dāng)然還有弱點。事實上，早期AlphaStar AI的許多缺陷讓人想起DeepMind AlphaGo的早期比賽。早期發(fā)布的AlphaGo通常獲勝，但經(jīng)常會出現(xiàn)人類能夠識別的錯誤。DeepMind團隊始終在改進它，如今AlphaZero不會犯任何人類可能會注意到的錯誤。

　　很明顯，AlphaStar在《星際爭霸》方面仍有改進的空間。它相對于人類的戰(zhàn)略優(yōu)勢很大程度上來自于這樣一個事實：作為一臺計算機，它更擅長于微觀管理。它的軍隊擅長側(cè)翼包抄和智取人類軍隊，部分原因是它能同時指揮五支軍隊，而這是任何人類都無法做到的。

　　在這些游戲中，很少有戰(zhàn)術(shù)在職業(yè)游戲中得到廣泛應(yīng)用，因為AI的成功主要不是因為它在考慮人類局限性從而打敗了人類，而是因為它找到了能夠融入自身優(yōu)勢的戰(zhàn)術(shù)。雖然從技術(shù)上講，AI的每分鐘操作和反應(yīng)時間都在人類的控制范圍之內(nèi)，但由于它的精確度更高，似乎仍有優(yōu)勢。更公平的做法可能是進一步限制AlphaStar的能力。

　　人類在很多方面仍然比最好的AI具備更大優(yōu)勢。例如，MaNa根據(jù)AlphaStar最初的五場比賽調(diào)整了自己對AlphaStar的反應(yīng)，這可能會讓他在直播比賽中獲得優(yōu)勢。AlphaStar做不到這一點，我們不太了解能夠讓AI在一場游戲中學(xué)到很多東西，然后在下一場游戲中應(yīng)用這些經(jīng)驗的訓(xùn)練方法。

　　盡管如此，解說員反復(fù)強調(diào)，AlphaStar在很多方面都與人類驚人地相似。它知道如何佯攻，如何發(fā)動早期攻擊，如何應(yīng)對伏擊，如何在地形上導(dǎo)航。早在需要煞費苦心地給電腦發(fā)布指令的時候，唐杰就一直在為游戲開發(fā)AI。他說！“從那時起，我們在現(xiàn)代AI和現(xiàn)代強化學(xué)習(xí)所能做出的各種決定方面取得了巨大的進步，真是令人印象深刻。”

　　在AlphaStar輸?shù)舻囊粓霰荣愔?，有一件事它不知道該怎么做，那就?ldquo;好好比賽”。一旦比賽無望，它就像人類玩家那樣認(rèn)輸。也許下次我們看到它的時候，它就會明白這些道理了，也許就再也不需要這些指導(dǎo)了。

　?。ㄟx自：Vox 作者：Kelsey Piper 編譯：網(wǎng)易科技 參與：小?。?/p>