谷歌旗下DeepMind开发的人工智能AIphaStar在《星际争霸2》（Starcraft II）中击败了两位人类职业玩家，这是AI领域的新里程碑。在YouTube和Twitch上播放的比赛中，AI玩家在连续10局中反复击败人类。而在最后的对决中，职业选手格里戈尔兹·“曼娜”·科明兹（Grzegorz “MaNa” Komincz）为人类赢得了唯一的胜利。
去年12月份的比赛截图显示，AlphaStar与人类玩家TLO的对决 相比人类玩家，AI的优劣势很明显
与兄弟AI AIphago登顶的围棋所不同的是，《星际争霸2》是不完美信息系统，有着阻碍信息顺利获取的战争迷雾，除此之外，操作的单位数量和频率较大，且存在多线作战，需要同时兼顾后方经营，和前方多线战事。显然，在多线决策方面AI的优势要比线性思维的人类要大得多。
DeepMind的研究联席负责人戴维·西尔弗(David Silver)在赛后表示:“AI的历史被打上了许多重大的、标杆性胜利的印记。尽管还有很多工作要做，但我希望未来的人们在回顾(今天)时，认为这是AI系统向前迈进了一步的象征。”
在视频游戏里击败人类玩家似乎是AI开发过程中的一个小插曲，但这也是一个重大的研究挑战。《星际争霸2》这样的游戏比围棋之类棋盘游戏更难玩。在视频游戏中，AI无法通过观察每个棋子的移动来计算下一步棋，它们必须实时做出反应。
这些因素似乎对DeepMind被称为AlphaStar的AI系统并未构成多大障碍。首先，它打败了人类职业玩家达里奥·温什(Dario Wunsch，即TLO)，然后将目标对准MaNa。这些比赛最初是于去年12月份在DeepMind的伦敦总部举行的，但该公司今天播放了AlphaStar与MaNa的最后一场比赛，这是人类玩家唯一获胜的比赛。
《星际争霸》的职业评论员形容AlphaStar的表现是“非凡的”、“超人的”。在《星际争霸2》中，玩家在建立基地、训练军队和入侵敌人领土之前，会从相同地图的不同侧面展开行动。AlphaStar尤其擅长所谓的“微操”，即在战场上快速、果断地控制单个或少量部队的能力。
尽管人类玩家有时能够训练出更强大的作战单位，但AlphaZero还是能够在近距离内战胜他们。在一场游戏中，AlphaStar用名为Stalker的快速移动单位骚扰MaNa。评论员凯文·范德库伊(Kevin van der Kooi)将其描述为“非凡的单位控制能力，很不常见”。MaNa在赛后表示:“如果我和任何人类比赛，他们都不会将Stalker运用得如此出神入化。”
这与我们在其他高级游戏AI中看到的行为相呼应。当OpenAI去年在《Dota 2》中与人类职业选手对决时，它们最后以失败告终。但专家们指出，这些AI是以一种“清晰而精确”的方式进行着游戏。对此，我们无需感到奇怪，快速做出没有任何错误的决定是机器的天赋异能。
专家们已经开始仔细分析这些比赛，并就AlphaStar是否拥有任何不公平的优势展开辩论。这些AI在某些方面依然显得笨拙，例如，AlphaStar的每分钟点击依然比人类低。但与人类玩家不同的是，它每次都能够查看整个地图，而不是手动导航。
DeepMind的研究人员表示，这并没有为AlphaStar提供真正的优势，因为它在任何时间只关注地图的某个特定部分。但是，正如比赛所显示的那样，这并没有阻止AlphaStar同时熟练地控制三个不同区域的单位。评论员们表示，这对人类来说是不可能的。值得注意的是，当MaNa在直播比赛中击败AlphaStar时，AI使用的是受限的摄像头视角。
AlphaStar的另一个潜在痛点是，人类玩家虽然是职业玩家，但却不是世界冠军的标准。TLO还必须扮演《星际争霸2》中他不熟悉的三个种族之一。
AI的重大进步？
撇开这些不谈，专家们称这场比赛是AI向前迈出的重要一步。长期参与《星际争霸》AI场景的AI研究人员戴夫·丘吉尔（Dave Churchill）表示:“我认为AI取得了重大成就，至少比我在AI研究人员中听到的最乐观猜测提前了一年。”然而，邱吉尔补充说，由于DeepMind尚未发布任何关于这项工作的研究论文，因此很难说它是否显示出任何技术上的飞跃。他指出:“我还没有读过这篇博客文章，也没有接触过相关的论文或技术细节。”
佐治亚理工学院AI副教授马克·里德尔(Mark Riedl)表示，他对结果并不那么惊讶，AI获得胜利只是“时间问题”。里德尔补充说，他不认为这些比赛表明《星际争霸2》已经被AI彻底掌控。他表示：“在上一场直播比赛中，限制AlphaStar的某些能力确实消除了它的许多人为优势。但我们看到的更大的问题是，当人们可以把AI推出舒适区时，它就会崩溃。”
丹麦哥本哈根信息技术大学的塞巴斯蒂安·里斯(Sebastian Risi)表示：“这看起来是向前迈出的一大步。我们不知道这其间有多少创新，但培训AI的方式似乎是关键。”里斯的同事尼尔斯·贾斯特森（Niels Justesen）说:“我没想到会发生这样的事情，尤其是因为之前的端到端学习《星际争霸》的尝试远远没有达到人类的水平。”
残酷的强化学习AI竞技场
最终，这类工作的最终目标不是利用AI在视频游戏中击败人类，而是改进AI的训练方法，尤其是为了创建能够在《星际争霸》等复杂虚拟环境中运行的系统。
为了训练AlphaStar, DeepMind的研究人员使用了被称为强化学习的方法。AI智能体基本上是通过反复尝试才能达到某些目标，比如赢球或者仅仅是生存下去。它们首先通过模仿人类玩家来学习，然后在类似竞技比赛中相互对决。最强的AI会存活下来，最弱的则被淘汰。DeepMind估计，其每个AlphaStar智能体都以这种方式积累了大约200年的游戏时间，游戏速度也在加快。
DeepMind很清楚自己开展这项工作的目标。AlphaStar项目联合负责人奥里尔·维尼亚斯(Oriol Vinyals)说：“首先，也是最重要的，DeepMind的任务是建立通用AI，它可以执行人类所能完成的任何心理任务。要实现这个目标，最重要的就是对我们的AI智能体在各种任务中的表现进行基准测试。”
科技媒体Engadget评论道，谷歌旗下的AI子公司DeepMind已经转向电脑游戏，其AI系统始终在进行微调，以适应《星际争霸2》。今天的《星际争霸2》比赛，是AlphaStar与职业玩家的第一次正面交锋。在两场五局的系列比赛中，AlphaStar战胜了职业选手TLO和MaNa，赢得了10场胜利。而在连续十次失利后，人类玩家终于赢得了最后一场比赛。
DeepMind的野心
