北京时间今日凌晨，谷歌母公司Alphabet旗下人工智能公司DeepMind与暴雪联合直播最新AI程序“AlphaStar”与《星际争霸2》职业选手比赛实况录像，并让AlphaStar和人类选手现场进行一盘比赛。AlphaStar在实况录像中的10场均获胜，而在与人类选手现场比赛时不敌人类，因此最终总成绩定格在10-1。

在直播开始之际，DeepMind在官方博客上详细解释了打造AlphaStar的全过程。DeepMind团队认为，尽管《星际争霸》只是一款游戏，但不失为一款较为复杂的游戏。AlphaStar背后的技术可以用来解决其他的问题。在天气预报、气候建模、语言理解等等领域，以及研究开发安全稳定的人工智能方面，都会有很大帮助。

以下为DeepMind文章主要内容：

在过去几十年里，人类一直用游戏测试评估AI系统。随着技术的进步，科学界寻找复杂的游戏，深入研究智力的方方面面，看看如何才能解决科学问题和现实问题。许多人认为，《星际争霸》是最有挑战的RTS（实时战略）游戏之一，也是有史以来电子竞技领域最古老的游戏之一，它是AI研究的“大挑战”。

现在我们推出一个可以操作《星际争霸2》游戏的程序，名叫AlphaStar，它是一个AI系统，成功打败了世界顶级职业玩家。12月19日，我们举行了测试比赛，AlphaStar打败了Team Liquid战队的Grzegorz "MaNa" Komincz，他是世界最强的职业玩家之一，以5比0获胜，之前AlphaStar已经打败同队的Dario “TLO” Wünsch。比赛是按照职业标准进行的，使用天梯地图，没有任何游戏限制。

在游戏领域，我们已经取得一系列成功，比如Atari、Mario、《雷神之锤3：竞技场》多人夺旗、Dota 2。但是AI技术还是无法应付复杂的《星际争霸》。想拿到好结果，要么是对游戏系统进行重大调整，对游戏规则进行限制，赋予系统超人一般的能力，或者让它玩一些简单地图。即使做了修改，也没有系统可以与职业玩家一较高下。AlphaStar不一样，它玩的是完整版《星际争霸2》，用深度神经网络操作，网络已经用原始游戏数据训练过，通过监督式学习和强化式学习来训练。

《星际争霸》游戏的挑战

《星际争霸2》由暴雪娱乐制作，是一款单位众多的多层次宇宙科幻游戏，在设计上非常挑战人工智能。与前作一样，《星际争霸2》也是游戏史上最宏大和成功的游戏，已有20余年的电竞联赛历史。

该游戏玩法众多，但电竞中最常见的是1对1对战，五局三胜制。开始时，玩家从人类、星灵和异虫三个种族中人选一个进行操作，每个种族都有独特的特点、能力（机关专业选手会专注于一个种族）。开局时，每个玩家都有一些“农民”来采集资源和建造建筑，解锁新科技。这也让玩家可以收集新的资源，建造更复杂的基地和建筑，研发新科技以胜过对手。要取得胜利，玩家必须仔细平衡宏观经济管理，即宏观经济，和每个单位的控制，即微操。

这就需要平衡短期和长期目标，还要应对意外情况，整个系统因而经常变得脆弱僵硬。处理这些问题需要在下列若干人工智能领域解决挑战，取得突破：

- 游戏理论：《星际争霸》是个游戏，就想剪刀石头布一样，没有单一最佳战略。因此人工智能训练过程中需不断探索和扩展最战略知识前沿。

- 瑕疵信息：不同于国际象棋或围棋那种一览无余的状态，星际玩家无法直接观察到重要信息，必须积极探索“探路”。

- 长期规划：和许多现实世界中的问题并非是从“因”立即生“果”一样，游戏是可以从任何一个地方开始，需要1个小时时间出结果，这意味着在游戏开始时的行动可能在很长一段时间不会有收效。

- 即时性：不像传统桌面游戏，玩家轮流行动，星际玩家必须在游戏时间内持续排兵布阵。

- 庞大的行动空间：要同时控制上百个单位及建筑，这就导致了大量的可能性，行动是分级别的，可以被修改和扩张。我们将游戏参数化后，每个时间步骤平均约有10到26个合理行为。

由于上述的大量挑战，《星际争霸》成为了人工智能研究中的“大挑战”。自从2009年《母巢之战》应用参数界面问世后，围绕《星际争霸》和《星际争霸2》开展了众多人工智能竞赛。

　　AlphaStar与MaNa的第二场比赛可视化动图。人工智能的视角，原始观测输入神经网络，神经网络内部活动，一些人工智能考虑可采取的行动，如单击哪里或在哪里建造，以及预测结果。MaNa的视角也在其中，但人工智能看不见他的视角。

AlphaStar如何观察游戏以及玩游戏的

职业玩家TLO和MaNa的APM可以达到数百，现有机器人高出很多，它们可以独立控制每一个单位，持续维持几千甚至几万的APM。

对决TLO和MaNa时，AlphaStar的平均APM约为280，比职业玩家低，但它的动作更精准一些。为什么APM会低一些？主要是因为AlphaStar是用录像训练的，因此它会模拟人类玩法。还有，AlphaStar在观察和行动之间平均会有350ms的延迟。

AlphaStar在APM和延迟方面与人类玩家的比较

对决时，AlphaStar借助原始界面与《星际争霸》游戏引擎交流，也就是说，它可以直接观察地图上的我方单位和敌方可见单位，不需要移动摄像头。如果是人类玩家，注意力有限，必须调整摄像头，让它瞄准应该关注的地方。分析AlphaStar游戏能发现，它有一个隐藏的注意力焦点。平均来说，游戏代理每分钟会切换环境约30次，和MaNa、TLO的频率差不多。

比赛之后，我们开发了第二版AlphaStar。和人类玩家一样，这个版本的AlphaStar需要确定何时移动摄像头，应该瞄准哪里，对于屏幕信息，AI的感知受到限制，动作位置也受到可视区域的限制。

AlphaStar在使用原始界面和控制摄像头时，其MMR数据比较

我们训练了两个代理，一个使用原始界面，一个学着控制摄像头。两个代理最开始时都用人类数据进行监督式和增强式训练。使用摄像头界面的AlphaStar几乎和使用原始界面的AlphaStar一样强大，在内部排行榜上达到7000 MMR（天梯积分）。在演示比赛中，MaNa用摄像头界面打败了原型版AlphaStar，但它只训练了7天。我们希望能在近期内评估精炼的摄像头界面AlphaStar。

事实证明，AlphaStar与MaNa和TLO对决时之所以占据上风，主要是因为它的宏观战略、微观战略决策能力更强，靠的不是超级点击率、超快响应时间、原始界面。

AlphaStar与职业玩家的较量

《星际争霸》这款游戏包含三大外星种族：人类、星灵和异虫。玩家可以从中选择一个族类开始游戏。目前，我们仅针对星灵一族对AlphaStar进行了训练，以减少训练时间和差异。值得一提的是，相同的训练模式可以也应用到其他两个种族的训练上。经过训练的代理可以在《星际争霸2》（v4.6.2）的CatalystLE天梯地图中，实现星灵族与星灵族的较量。

为评估AlphaStar的表现，团队最初测试了代理对弈玩家TLO（一位顶级职业异虫玩家和大师级星灵玩家）的表现。AlphaStar以5:0的战绩获胜，对弈过程中AlphaStar灵活使用了大量单位和建造命令。

“代理的强大水平令我惊讶，”TLO表示，“AlphaStar将众所周知的策略融会贯通。代理运用的策略，也是我之前从未想到过的。也就是说对于这个游戏，我们或许还有很多玩法没有探索出来。”

对我们的代理继续训练了一周之后，我们让代理与另一名玩家MaNa进行较量。MaNa不仅是世界顶级的《星际争霸2》玩家，也是排名前十的最擅长使用星灵族的玩家之一。AlphaStar再次以5:0的战绩获胜，体现了强大的微观和宏观策略技能。

“AlphaStar在每局游戏中采用的操作和不同策略十分令人印象深刻，近乎人类选手般的游戏策略出乎我的意料，”MaNa说，“我这才意识到，自己之前的策略过分依赖失误和人类反应力，因此这场比赛让我对游戏有了全新的认识。我们很期待未来的无限可能。”

AlphaStar和其他复杂问题

尽管《星际争霸》只是一款游戏，但不失为一款较为复杂的游戏。我们认为，AlphaStar背后的技术可以用来解决其他的问题。比如，它的神经网络架构可以基于不完美的信息，对长时间序列中的可能行为进行建模——因为一局游戏通常长达1个多小时且涉及成千上万次动作。《星际争霸》的每一帧都是输入的一个动作，神经网络在每一帧动作之后都会对接下来的游戏发展进行预测。根据较长的数据序列进行复杂的预测，是很多现实世界挑战中的基本问题，比如天气预报、气候建模、语言理解等等。AlphaStar项目的学习和发展对帮助这些领域取得显著进展的可能性，值得期待。

我们还认为，团队的一些训练方法或可有助于研究开发安全稳定的人工智能。人工智能的一大挑战是，系统出错的方式各种各样。先前，《星际争霸》的职业玩家可以通过各种新颖方式诱导代理失误，轻易击败AI系统。AlphaStar采用的基于league模式的创新训练方式，可以找到最可靠、最不容易出错的方式。这一创新方式对改进整体AI系统（尤其是在诸如能源等安全至上、且解决复杂边缘案例十分关键的领域）的安全性和稳定性的前景亦值得期待。

实现最高水平的《星际争霸》对弈代表了人工智能在有史以来最复杂电子游戏中取得的重大突破。我们相信，这些进展，以及AlphaZero和AlphaFold等项目的其他进展，代表着我们在创建人工智能系统之路上的又一大前进。未来终有一日，智能系统将帮助人类解锁解决世界上一些最重要、最基本之科学问题的创新方式。

【来源：新浪科技】