[[256388]]

游戲在 DeepMind 公司的英國倫敦總部進(jìn)行了直播

　　日前，谷歌(Google)旗下 DeepMind 公司開發(fā)的人工智能軟件玩家在“星際爭霸 II”(Starcraft II)游戲中上擊敗了人類玩家——這在人工智能領(lǐng)域尚屬首例。

　　在 YouTube 和 Twitch 上播放的一系列游戲比賽中，AI 玩家連續(xù) 10 場擊敗人類玩家。在最后一場比賽中，職業(yè)游戲玩家科明茨（Grzegorz “MaNa” Komincz）為人類奪取了一場勝利。

　　DeepMind 公司的研究負(fù)責(zé)人大衛(wèi)·西爾弗(David Silver)在比賽結(jié)束后表示：“人工智能在不同的游戲比賽中取得的成績，成為人工智能發(fā)展的重要里程碑。我希望——盡管顯然還有工作要做——未來的人們可能會回顧今天，并認(rèn)識到這是人工智能系統(tǒng)潛在能力又邁出的重要一步。”

　　在電子游戲中打敗人類看起來像是人工智能發(fā)展中的一場雜耍，但這其實(shí)是一個重大的研究挑戰(zhàn)。像“星際爭霸2”這樣的游戲比棋類游戲（如國際象棋或圍棋）更難玩。在電子游戲中，人工智能軟件實(shí)體不能通過觀察每一個棋子的運(yùn)動來計(jì)算下一步的動作，他們必須實(shí)時作出反應(yīng)。

[[256389]]

一張去年 12 月份的游戲截圖，顯示了 AlphaStar 與 TLO 的對決

　　這些因素看起來并不是 DeepMind 人工智能游戲玩家系統(tǒng)(AlphaStar)的主要障礙。首先，它擊敗了職業(yè)玩家達(dá)里奧“TLO”Wünsch，然后它開始挑戰(zhàn)科明茨。一系列比賽最初于去年 12 月在 DeepMind 的倫敦總部舉行，但今天對科明茨的最后一場比賽提供了直播，這位職業(yè)玩家為人類帶來了一場勝利。

　　專業(yè)的星際爭霸評論員形容 AlphaStar 的表現(xiàn)是“非凡的”和“超人的”。

　　在“星際爭霸 II”中，首先需要從同一張地圖的不同位置開始，隨后建立基地、訓(xùn)練軍隊(duì)和入侵?jǐn)橙祟I(lǐng)土。AlphaStar 特別擅長所謂的“微管理”(Micromanagement)，即在戰(zhàn)場上快速果斷地控制部隊(duì)的能力。

　　盡管人類玩家有時能訓(xùn)練出更強(qiáng)大的軍隊(duì)，但 AlphaZero 仍能在近距離擊敗他們。在一場游戲中，AlphaStar 用一個快速移動的“潛行者”(Stalker)聚集了法力。評論員凱文“鹿特丹”范德科形容它實(shí)現(xiàn)了“非凡的軍隊(duì)控制，這不是一般人平時所能看到的水平。”

　　在游戲比賽結(jié)束之后，科明茨表示：“如果我和任何人類對手比賽，他們就不會以這么高的水平對‘潛行者’進(jìn)行微操控。”

　　這一事件與我們從其他高級人工智能游戲玩家中看到的行為相呼應(yīng)。

　　去年，當(dāng) OpenAI 公司的 AI 玩家參加 Dota 2 的比賽時，他們最終被人類玩家所擊敗。不過，當(dāng)時業(yè)內(nèi)專家點(diǎn)評指出，AI 軟件玩家表現(xiàn)出了優(yōu)秀的清晰度和準(zhǔn)確度，能夠快速無誤地做出判斷，這也是人工智能玩家的優(yōu)勢所在。

　　專家們已經(jīng)開始剖析這一次的游戲?qū)Q，并討論 AlphaStar 是否獲得了任何不公平的優(yōu)勢。人工智能玩家（軟件實(shí)體）在某些方面表現(xiàn)不佳，例如，AI 玩家每分鐘進(jìn)行的點(diǎn)擊次數(shù)被限制。不過，與人類玩家不同的是，它能夠一次查看整個地圖，而不是手動導(dǎo)航。

　　DeepMind 公司的研究人員說，AI 玩家實(shí)際上并未獲得真正的優(yōu)勢，因?yàn)樗谌魏螘r候只專注于地圖的一個部分。但是，正如游戲過程所顯示，這并沒有阻止 AlphaStar 同時在三個不同的區(qū)域熟練地控制部隊(duì)。評論員表示，這對人類玩家來說是不可能的。值得注意的是，當(dāng)科明茨在直播的比賽中擊敗 AlphaStar 時，AI 正在使用一個受限的相機(jī)視圖模式。

　　另外需要指出的是，這次和人工智能玩家對決的對手雖然是職業(yè)玩家，但并不是世界冠軍水平。參加比賽的玩家 TLO 還必須完成星際爭霸 II 中他所不熟悉的比賽。

圖形顯示了 AlphaStar 的游戲處理過程。該系統(tǒng)自上而下地觀察整個地圖，并預(yù)測哪些行為將獲得勝利

　　撇開這一討論不談，專家們說，這場比賽是人工智能向前邁出的重要一步。長期參與“星際爭霸”人工智能場景研究的研究員戴夫·丘吉爾告訴英國“衛(wèi)報(bào)”：“我認(rèn)為人工智能游戲軟件實(shí)體所表現(xiàn)出的能力是一項(xiàng)重大成就，至少比我在人工智能研究人員中聽到的最樂觀的猜測早一年。”

　　然而，丘吉爾也補(bǔ)充說，由于 DeepMind 還沒有發(fā)布任何有關(guān)這項(xiàng)工作的研究論文，因此很難判斷出 AlphaStar 是否獲得了任何技術(shù)上的飛躍。丘吉爾說：“我還沒有讀過這篇博客文章，也沒有看到任何文件或技術(shù)細(xì)節(jié)來做出一個判斷。”

　　佐治亞理工學(xué)院人工智能副教授馬克·里德爾(Mark Riedl)說，他對游戲比賽結(jié)果并不感到驚訝，人工智能擊敗人類玩家只是“一個時間問題”。

　　里德爾補(bǔ)充說，他并不認(rèn)為這場比賽表明星際爭霸 II 確實(shí)被人工智能玩家所征服。他表示，在過去直播的游戲中，AlphaStar 被限制在窗口中，這消除了人工智能的一些優(yōu)勢，“但我們看到的更大問題…是人工智能所學(xué)到的策略是脆弱的，當(dāng)一個職業(yè)玩家把人工智玩家逼出舒適區(qū)時，人工智能就會崩潰。”

　　實(shí)際上，讓人工智能玩家在電子游戲中擊敗人類，其最終目的是提高人工智能的訓(xùn)練方法，特別是創(chuàng)造出能夠在類似星際爭霸這樣復(fù)雜的虛擬環(huán)境中運(yùn)行的人工智能系統(tǒng)。

　　為了訓(xùn)練 AlphaStar，DeepMind 公司的研究人員使用了一種稱為強(qiáng)化學(xué)習(xí)的方法。AI 軟件實(shí)體為了達(dá)到某些目標(biāo)(如獲勝或僅僅是活著)，基本上是通過反復(fù)試驗(yàn)來玩這個游戲的。他們首先通過模仿人類玩家來學(xué)習(xí)，然后在游戲競技比賽中互相學(xué)習(xí)。在不同的 AI 軟件實(shí)體中，強(qiáng)者生存，弱者被拋棄。DeepMind 估計(jì)，它的每一個 AlphaStar 軟件實(shí)體都以這種方式積累了大約 200 年的游戲時間，隨著游戲積累，它們玩游戲的速度也越來越快。

　　DeepMind 清楚地知曉其開展這項(xiàng)工作的目標(biāo)。“最重要的是，DeepMind 的任務(wù)是構(gòu)建一種通用的人工智能系統(tǒng)。”AlphaStar 項(xiàng)目的負(fù)責(zé)人奧里爾·維尼亞爾斯(Oriol Vinyals)說，他指的是建立一個能執(zhí)行人類所能完成的任何心理任務(wù)的人工智能軟件實(shí)體。“要做到這一點(diǎn)，重要的是要對我們的人工智能軟件實(shí)體在各種任務(wù)中的表現(xiàn)進(jìn)行測評對比。”