AlphaStar橫空出世 星際爭(zhēng)霸2人類1：10輸給AI

剛剛，我們見證了 AI 與人類 PK 的又一次重大進(jìn)展！DeepMind 北京時(shí)間 1 月 25 日凌晨 2:00 起公布了其錄制的 AI 在《星際爭(zhēng)霸 2》中與2位職業(yè)選手的比賽過程：AlphaStar 5:0 戰(zhàn)勝職業(yè)選手TLO ，5：0戰(zhàn)勝 2018 年 WSC 奧斯汀站亞軍 MaNa 。與兩位人類對(duì)手的比賽相隔約兩周，AI 自學(xué)成才，經(jīng)歷了從與TLO 對(duì)戰(zhàn)時(shí)的菜鳥級(jí)別，進(jìn)化到完美操作的過程，尤其是與MaNa 的對(duì)戰(zhàn)，已經(jīng)初步顯示了可以超越人類極限的能力。

這次的演示也是 DeepMind 的星際爭(zhēng)霸 2 AI AlphaStar 的首次公開亮相。除了此前比賽錄像的展示外，AlphaStar 還和MaNa 現(xiàn)場(chǎng)來了一局，不過，這局AlphaStar 輸給了人類選手MaNa 。

我們不難看出，盡管其神經(jīng)網(wǎng)絡(luò)已經(jīng)趨于長(zhǎng)期優(yōu)化，但似乎仍然會(huì)在一定程度上陷入局部最優(yōu)，被人類發(fā)現(xiàn)固定模式，落入圈套，而且從 5 個(gè)小叮當(dāng)抱團(tuán)，到純追獵部隊(duì)，都顯示出它對(duì)游戲兵種的理解尚不到位，如果最后一局它可以像人類一樣直接派出鳳凰防守棱鏡，或許它將繼續(xù)憑借超強(qiáng)的微操一波推平 MaNa。

比賽回放過程中，主持人問到 DeepMind 科學(xué)家，平時(shí)如何訓(xùn)練 AlphaStar，DeepMind 科學(xué)家 Oriol Vinyals、David Silver 表示，首先是模仿學(xué)習(xí)，團(tuán)隊(duì)從許多選手那里獲得了很多比賽回放資料，并試圖讓 AI 通過觀察一個(gè)人所處的環(huán)境，盡可能地模仿某個(gè)特定的動(dòng)作，從而理解星際爭(zhēng)霸的基本知識(shí)。這其中所使用到的訓(xùn)練資料不但包括專業(yè)選手，也包括業(yè)余選手。這是 AlphaStar 成型的第一步。

之后，團(tuán)隊(duì)會(huì)使用一個(gè)稱為“Alpha League”的方法。在這個(gè)方法中，Alpha League 的第一個(gè)競(jìng)爭(zhēng)對(duì)手就是從人類數(shù)據(jù)中訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)，然后進(jìn)行一次又一次的迭代，產(chǎn)生新的 agent 和分支，用以壯大“Alpha League”。

圖 | Alpha League 示意圖

然后，這些 agent 通過強(qiáng)化學(xué)習(xí)過程與“Alpha League”中的其他競(jìng)爭(zhēng)對(duì)手進(jìn)行比賽，以便盡可能有效地?fù)魯∷羞@些不同的策略，此外，還可以通過調(diào)整它們的個(gè)人學(xué)習(xí)目標(biāo)來鼓勵(lì)競(jìng)爭(zhēng)對(duì)手朝著特定方式演進(jìn)，比如說旨在獲得特定的獎(jiǎng)勵(lì)。

最后，團(tuán)隊(duì)在“Alpha League”中選擇了最不容易被利用的 agent，稱之為“the nash of League”，這就是 TLO 所對(duì)戰(zhàn)的5個(gè)。

近幾年，除了 DeepMind 以外，已經(jīng)有越來越多的人工智能公司或者研究機(jī)構(gòu)投身到開發(fā)游戲類AI的浪潮中，例如 OpenAI 和騰訊的 AI lab 等等。

歸根結(jié)底，這些團(tuán)隊(duì)對(duì)游戲AI的熱情，恐怕都源于打造通用型人工智能的這一終極目標(biāo)：游戲AI的研發(fā)將會(huì)進(jìn)一步拓寬人類對(duì)于AI能力的認(rèn)知，這樣的研究最終將探索的問題 AI 能否能夠通過游戲規(guī)則進(jìn)行自主學(xué)習(xí)，達(dá)到更高層次的智能乃至通用型人工智能。例如，在游戲AI的設(shè)計(jì)中，增強(qiáng)學(xué)習(xí)算法的改進(jìn)將至關(guān)重要。增強(qiáng)學(xué)習(xí)是一種能夠提高 AI 能力的核心算法，它讓 AI 能夠解決具有不確定性動(dòng)態(tài)的決策問題（比如游戲 AI，智能投資，自動(dòng)駕駛，個(gè)性化醫(yī)療），這些問題往往也更加復(fù)雜。

而 DeepMind 團(tuán)隊(duì)的成果已經(jīng)為此帶來了一絲曙光——AlphaGo Zero在短時(shí)間內(nèi)精通圍棋、象棋、國(guó)際象棋三種棋類游戲，已有棋類通用AI雛形。棋類游戲之后，最值得期待的進(jìn)展，就是各家開發(fā)的AI在即時(shí)戰(zhàn)略類 RTS 游戲或多人在線競(jìng)技類 MOBA 游戲上的表現(xiàn)了。此前，騰訊 AI Lab 負(fù)責(zé)人之一姚星就介紹過，在游戲AI的研究上，騰訊 AI Lab 已從圍棋 AI “絕藝”等單個(gè) AI 的完全信息博弈類游戲，轉(zhuǎn)移到規(guī)則不明確、任務(wù)多樣化、情況復(fù)雜的游戲類型，如星際爭(zhēng)霸和 Dota2 等復(fù)雜的即時(shí)戰(zhàn)略類 RTS 游戲或多人在線競(jìng)技類 MOBA 游戲。

在剛剛過去的2018年，OpenAI 開發(fā)出的 AI OpenAI Five 就是針對(duì) Dota2 開發(fā)的AI，但是它與人類 PK 的過程可謂充滿戲劇性。2018 年 8 月初，OpenAI Five 戰(zhàn)勝一支人類玩家高水平業(yè)余隊(duì)伍（天梯 4000 分左右），然而，到了 8 月底 OpenAI Five 被兩支專業(yè)隊(duì)伍打敗， AI 提前結(jié)束了其在本屆 DOTA 2 國(guó)際頂尖賽事 TI 8 的旅程?；仡櫮谴问〉倪^程，其實(shí)OpenAI 的系統(tǒng)仍然無法全面理解 DOTA 復(fù)雜的游戲系統(tǒng)和規(guī)則。

現(xiàn)在，DeepMind 的星際爭(zhēng)霸2 AI 已經(jīng)以其超強(qiáng)實(shí)力打響游戲 AI 2019 年第一戰(zhàn)，接下來還有哪些游戲AI將橫空出世呢？各大游戲AI又將如何邁向通用人工智能，讓我們拭目以待。