尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
導語：
北京時間今日凌晨，Google母公司Alphabet旗下人工智能公司DeepMind與暴雪聯合直播最新AI程序「AlphaStar」與《星際爭霸2》職業選手比賽實況錄像，並讓AlphaStar和人類選手現場進行一盤比賽。AlphaStar在實況錄像中的10場均獲勝，而在與人類選手現場比賽時不敵人類，因此最終總成績定格在10-1。
在直播開始之際，DeepMind在官方博客上詳細解釋了打造AlphaStar的全過程。DeepMind團隊認為，盡管《星際爭霸》只是一款遊戲，但不失為一款較為複雜的遊戲。AlphaStar背後的技術可以用來解決其他的問題。在天氣預報、氣候建模、語言理解等等領域，以及研究開發安全穩定的人工智能方面，都會有很大幫助。
以下為DeepMind文章主要內容：
在過去幾十年里，人類一直用遊戲測試評估AI系統。隨著技術的進步，科學界尋找複雜的遊戲，深入研究智力的方方面面，看看如何才能解決科學問題和現實問題。許多人認為，《星際爭霸》是最有挑戰的RTS（實時戰略）遊戲之一，也是有史以來電子競技領域最古老的遊戲之一，它是AI研究的「大挑戰」。
現在我們推出一個可以操作《星際爭霸2》遊戲的程序，名叫AlphaStar，它是一個AI系統，成功打敗了世界頂級職業玩家。12月19日，我們舉行了測試比賽，AlphaStar打敗了Team Liquid戰隊的Grzegorz “MaNa” Komincz，他是世界最強的職業玩家之一，以5比0獲勝，之前AlphaStar已經打敗同隊的Dario「TLO」Wünsch。比賽是按照職業標準進行的，使用天梯地圖，沒有任何遊戲限制。
在遊戲領域，我們已經取得一系列成功，比如Atari、Mario、《雷神之錘3：競技場》多人奪旗、Dota 2。但是AI技術還是無法應付複雜的《星際爭霸》。想拿到好結果，要麼是對遊戲系統進行重大調整，對遊戲規則進行限制，賦予系統超人一般的能力，或者讓它玩一些簡單地圖。即使做了修改，也沒有系統可以與職業玩家一較高下。AlphaStar不一樣，它玩的是完整版《星際爭霸2》，用深度神經網路操作，網路已經用原始遊戲數據訓練過，通過監督式學習和強化式學習來訓練。
《星際爭霸》遊戲的挑戰
《星際爭霸2》由暴雪娛樂製作，是一款單位眾多的多層次宇宙科幻遊戲，在設計上非常挑戰人工智能。與前作一樣，《星際爭霸2》也是遊戲史上最宏大和成功的遊戲，已有20餘年的電競聯賽歷史。
該遊戲玩法眾多，但電競中最常見的是1對1對戰，五局三勝制。開始時，玩家從人類、星靈和異蟲三個種族中人選一個進行操作，每個種族都有獨特的特點、能力（機關專業選手會專注於一個種族）。開局時，每個玩家都有一些「農民」來采集資源和建造建築，解鎖新科技。這也讓玩家可以收集新的資源，建造更複雜的基地和建築，研發新科技以勝過對手。要取得勝利，玩家必須仔細平衡宏觀經濟管理，即宏觀經濟，和每個單位的控制，即微操。
這就需要平衡短期和長期目標，還要應對意外情況，整個系統因而經常變得脆弱僵硬。處理這些問題需要在下列若干人工智能領域解決挑戰，取得突破：
-遊戲理論：《星際爭霸》是個遊戲，就想剪刀石頭布一樣，沒有單一最佳戰略。因此人工智能訓練過程中需不斷探索和擴展最戰略知識前沿。
-瑕疵信息：不同於國際象棋或圍棋那種一覽無餘的狀態，星際玩家無法直接觀察到重要信息，必須積極探索「探路」。
-長期規劃：和許多現實世界中的問題並非是從「因」立即生「果」一樣，遊戲是可以從任何一個地方開始，需要1個小時時間出結果，這意味著在遊戲開始時的行動可能在很長一段時間不會有收效。
-即時性：不像傳統桌面遊戲，玩家輪流行動，星際玩家必須在遊戲時間內持續排兵布陣。
-龐大的行動空間：要同時控制上百個單位及建築，這就導致了大量的可能性，行動是分級別的，可以被修改和擴張。我們將遊戲參數化後，每個時間步驟平均約有10到26個合理行為。
由於上述的大量挑戰，《星際爭霸》成為了人工智能研究中的「大挑戰」。自從2009年《母巢之戰》應用參數界面問世後，圍繞《星際爭霸》和《星際爭霸2》開展了眾多人工智能競賽。
AlphaStar與MaNa的第二場比賽可視化動圖。人工智能的視角，原始觀測輸入神經網路，神經網路內部活動，一些人工智能考慮可採取的行動，如單擊哪里或在哪里建造，以及預測結果。MaNa的視角也在其中，但人工智能看不見他的視角。
AlphaStar如何觀察遊戲以及玩遊戲的
職業玩家TLO和MaNa的APM可以達到數百，現有機器人高出很多，它們可以獨立控制每一個單位，持續維持幾千甚至幾萬的APM。
對決TLO和MaNa時，AlphaStar的平均APM約為280，比職業玩家低，但它的動作更精準一些。為什麼APM會低一些？主要是因為AlphaStar是用錄像訓練的，因此它會模擬人類玩法。還有，AlphaStar在觀察和行動之間平均會有350ms的延遲。
AlphaStar在APM和延遲方面與人類玩家的比較
對決時，AlphaStar借助原始界面與《星際爭霸》遊戲引擎交流，也就是說，它可以直接觀察地圖上的我方單位和敵方可見單位，不需要移動錄影頭。如果是人類玩家，注意力有限，必須調整錄影頭，讓它瞄準應該關注的地方。分析AlphaStar遊戲能發現，它有一個隱藏的注意力焦點。平均來說，遊戲代理每分鐘會切換環境約30次，和MaNa、TLO的頻率差不多。
比賽之後，我們開發了第二版AlphaStar。和人類玩家一樣，這個版本的AlphaStar需要確定何時移動錄影頭，應該瞄準哪里，對於螢幕信息，AI的感知受到限制，動作位置也受到可視區域的限制。
AlphaStar在使用原始界面和控制錄影頭時，其MMR數據比較
我們訓練了兩個代理，一個使用原始界面，一個學著控制錄影頭。兩個代理最開始時都用人類數據進行監督式和增強式訓練。使用錄影頭界面的AlphaStar幾乎和使用原始界面的AlphaStar一樣強大，在內部排行榜上達到7000 MMR（天梯積分）。在演示比賽中，MaNa用錄影頭界面打敗了原型版AlphaStar，但它只訓練了7天。我們希望能在近期內評估精煉的錄影頭界面AlphaStar。
事實證明，AlphaStar與MaNa和TLO對決時之所以占據上風，主要是因為它的宏觀戰略、微觀戰略決策能力更強，靠的不是超級點擊率、超快響應時間、原始界面。
AlphaStar與職業玩家的較量
《星際爭霸》這款遊戲包含三大外星種族：人類、星靈和異蟲。玩家可以從中選擇一個族類開始遊戲。目前，我們僅針對星靈一族對AlphaStar進行了訓練，以減少訓練時間和差異。值得一提的是，相同的訓練模式可以也應用到其他兩個種族的訓練上。經過訓練的代理可以在《星際爭霸2》（v4.6.2）的CatalystLE天梯地圖中，做到星靈族與星靈族的較量。
為評估AlphaStar的表現，團隊最初測試了代理對弈玩家TLO（一位頂級職業異蟲玩家和大師級星靈玩家）的表現。AlphaStar以5:0的戰績獲勝，對弈過程中AlphaStar靈活使用了大量單位和建造命令。
「代理的強大水平令我驚訝，」TLO表示，「AlphaStar將眾所周知的策略融會貫通。代理運用的策略，也是我之前從未想到過的。也就是說對於這個遊戲，我們或許還有很多玩法沒有探索出來。」
對我們的代理繼續訓練了一周之後，我們讓代理與另一名玩家MaNa進行較量。MaNa不僅是世界頂級的《星際爭霸2》玩家，也是排名前十的最擅長使用星靈族的玩家之一。AlphaStar再次以5:0的戰績獲勝，體現了強大的微觀和宏觀策略技能。
「AlphaStar在每局遊戲中採用的操作和不同策略十分令人印象深刻，近乎人類選手般的遊戲策略出乎我的意料，」MaNa說，「我這才意識到，自己之前的策略過分依賴失誤和人類反應力，因此這場比賽讓我對遊戲有了全新的認識。我們很期待未來的無限可能。」
AlphaStar和其他複雜問題
打造AlphaStar的團隊
盡管《星際爭霸》只是一款遊戲，但不失為一款較為複雜的遊戲。我們認為，AlphaStar背後的技術可以用來解決其他的問題。比如，它的神經網路架構可以基於不完美的信息，對長時間序列中的可能行為進行建模——因為一局遊戲通常長達1個多小時且涉及成千上萬次動作。《星際爭霸》的每一幀都是輸入的一個動作，神經網路在每一幀動作之後都會對接下來的遊戲發展進行預測。根據較長的數據序列進行複雜的預測，是很多現實世界挑戰中的基本問題，比如天氣預報、氣候建模、語言理解等等。AlphaStar項目的學習和發展對幫助這些領域取得顯著進展的可能性，值得期待。
我們還認為，團隊的一些訓練方法或可有助於研究開發安全穩定的人工智能。人工智能的一大挑戰是，系統出錯的方式各種各樣。先前，《星際爭霸》的職業玩家可以通過各種新穎方式誘導代理失誤，輕易擊敗AI系統。AlphaStar採用的基於league模式的創新訓練方式，可以找到最可靠、最不容易出錯的方式。這一創新方式對改進整體AI系統（尤其是在諸如能源等安全至上、且解決複雜邊緣案例十分關鍵的領域）的安全性和穩定性的前景亦值得期待。
做到最高水平的《星際爭霸》對弈代表了人工智能在有史以來最複雜電子遊戲中取得的重大突破。我們相信，這些進展，以及AlphaZero和AlphaFold等項目的其他進展，代表著我們在創建人工智能系統之路上的又一大前進。未來終有一日，智能系統將幫助人類解鎖解決世界上一些最重要、最基本之科學問題的創新方式。