[[256388]]

游戲在 DeepMind 公司的英國(guó)倫敦總部進(jìn)行了直播

　　日前，谷歌(Google)旗下 DeepMind 公司開(kāi)發(fā)的人工智能軟件玩家在“星際爭(zhēng)霸 II”(Starcraft II)游戲中上擊敗了人類(lèi)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(chǎng)擊敗人類(lèi)玩家。在最后一場(chǎng)比賽中，職業(yè)游戲玩家科明茨（Grzegorz “MaNa” Komincz）為人類(lèi)奪取了一場(chǎng)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(jī)，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(lái)的人們可能會(huì)回顧今天，并認(rèn)識(shí)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(lèi)看起來(lái)像是人工智能發(fā)展中的一場(chǎng)雜耍，但這其實(shí)是一個(gè)重大的研究挑戰(zhàn)。像“星際爭(zhēng)霸2”這樣的游戲比棋類(lèi)游戲（如國(guó)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(guò)觀察每一個(gè)棋子的運(yùn)動(dòng)來(lái)計(jì)算下一步的動(dòng)作，他們必須實(shí)時(shí)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(duì)決

　　這些因素看起來(lái)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(kāi)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(duì)科明茨的最后一場(chǎng)比賽提供了直播，這位職業(yè)玩家為人類(lèi)帶來(lái)了一場(chǎng)勝利。

　　專(zhuān)業(yè)的星際爭(zhēng)霸評(píng)論員形容 AlphaStar 的表現(xiàn)是“非凡的”和“超人的”。

　　在“星際爭(zhēng)霸 II”中，首先需要從同一張地圖的不同位置開(kāi)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(zhǎng)所謂的“微管理”(Micromanagement)，即在戰(zhàn)場(chǎng)上快速果斷地控制部隊(duì)的能力。

　　盡管人類(lèi)玩家有時(shí)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(chǎng)游戲中，AlphaStar 用一個(gè)快速移動(dòng)的“潛行者”(Stalker)聚集了法力。評(píng)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(shí)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(lèi)對(duì)手比賽，他們就不會(huì)以這么高的水平對(duì)‘潛行者’進(jìn)行微操控。”

　　這一事件與我們從其他高級(jí)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(shí)，他們最終被人類(lèi)玩家所擊敗。不過(guò)，當(dāng)時(shí)業(yè)內(nèi)專(zhuān)家點(diǎn)評(píng)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(wú)誤地做出判斷，這也是人工智能玩家的優(yōu)勢(shì)所在。

　　專(zhuān)家們已經(jīng)開(kāi)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(shì)。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(guò)，與人類(lèi)玩家不同的是，它能夠一次查看整個(gè)地圖，而不是手動(dòng)導(dǎo)航。

　　DeepMind 公司的研究人員說(shuō)，AI 玩家實(shí)際上并未獲得真正的優(yōu)勢(shì)，因?yàn)樗谌魏螘r(shí)候只專(zhuān)注于地圖的一個(gè)部分。但是，正如游戲過(guò)程所顯示，這并沒(méi)有阻止 AlphaStar 同時(shí)在三個(gè)不同的區(qū)域熟練地控制部隊(duì)。評(píng)論員表示，這對(duì)人類(lèi)玩家來(lái)說(shuō)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(shí)，AI 正在使用一個(gè)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(duì)決的對(duì)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(zhēng)霸 II 中他所不熟悉的比賽。

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

　　撇開(kāi)這一討論不談，專(zhuān)家們說(shuō)，這場(chǎng)比賽是人工智能向前邁出的重要一步。長(zhǎng)期參與“星際爭(zhēng)霸”人工智能場(chǎng)景研究的研究員戴夫·丘吉爾告訴英國(guó)“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(tīng)到的最樂(lè)觀的猜測(cè)早一年。”

　　然而，丘吉爾也補(bǔ)充說(shuō)，由于 DeepMind 還沒(méi)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(shuō)：“我還沒(méi)有讀過(guò)這篇博客文章，也沒(méi)有看到任何文件或技術(shù)細(xì)節(jié)來(lái)做出一個(gè)判斷。”

　　佐治亞理工學(xué)院人工智能副教授馬克·里德?tīng)?Mark Riedl)說(shuō)，他對(duì)游戲比賽結(jié)果并不感到驚訝，人工智能擊敗人類(lèi)玩家只是“一個(gè)時(shí)間問(wèn)題”。

　　里德?tīng)栄a(bǔ)充說(shuō)，他并不認(rèn)為這場(chǎng)比賽表明星際爭(zhēng)霸 II 確實(shí)被人工智能玩家所征服。他表示，在過(guò)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(shì)，“但我們看到的更大問(wèn)題…是人工智能所學(xué)到的策略是脆弱的，當(dāng)一個(gè)職業(yè)玩家把人工智玩家逼出舒適區(qū)時(shí)，人工智能就會(huì)崩潰。”

　　實(shí)際上，讓人工智能玩家在電子游戲中擊敗人類(lèi)，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(lèi)似星際爭(zhēng)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(chēng)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(guò)反復(fù)試驗(yàn)來(lái)玩這個(gè)游戲的。他們首先通過(guò)模仿人類(lèi)玩家來(lái)學(xué)習(xí)，然后在游戲競(jìng)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(gè) AlphaStar 軟件實(shí)體都以這種方式積累了大約 200 年的游戲時(shí)間，隨著游戲積累，它們玩游戲的速度也越來(lái)越快。

　　DeepMind 清楚地知曉其開(kāi)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(shuō)，他指的是建立一個(gè)能執(zhí)行人類(lèi)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(duì)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(cè)評(píng)對(duì)比。”