1997 年，" 深藍(lán) " 在國(guó)際象棋上擊敗人類冠軍卡斯帕羅夫的時(shí)候，人們說來一盤圍棋啊，結(jié)果有了 AlphaGo 橫掃人類頂尖高手李世石、柯潔。這時(shí)候，有人說來一盤 " 星際 " 啊 ……

結(jié)果，還不到三年，《星際爭(zhēng)霸 2》又被 AI 拿下，而且人類輸?shù)脦缀躞w無完膚！

北京時(shí)間 1 月 25 日凌晨，Google DeepMind 的最新 AI 人工智能程序 "AlphaStar" 以兩個(gè) 5:0 連續(xù)血洗《星際爭(zhēng)霸 2》職業(yè)選手 TLO、MaNa，只是在隨后的一場(chǎng)表現(xiàn)賽中輸給了 MaNa。

其中，TLO 是 Liquid 戰(zhàn)隊(duì)的蟲族選手，目前世界排名第 68，MaNa 則是 2018 年 WSC 大賽的奧斯汀站亞軍，神族選手，世界排名第 19。

這次是 AlphaStar 首次公開亮相，比賽用的游戲版本是 4.6.2，只進(jìn)行神族內(nèi)戰(zhàn)，固定在 Catalyst LE 地圖。

尤其令人稱奇的是，AlphaStar 與兩位人類對(duì)手的比賽相隔只有兩周，就迅速自學(xué)成才，對(duì)戰(zhàn) TLO 時(shí)雖然完勝但表現(xiàn)還相當(dāng)菜鳥，而對(duì)戰(zhàn) MaNa 的時(shí)候已經(jīng)有了幾乎的完美，非人類的操作讓人猝不及防。

DeepMind 科學(xué)家 Oriol Vinyals、David Silver 介紹說，AlphaStar 的訓(xùn)練首先是模仿學(xué)習(xí)，訓(xùn)練大量的比賽回放資料，讓 AI 通過觀察一個(gè)人所處的環(huán)境，盡可能地模仿某個(gè)特定的動(dòng)作，從而理解游戲基本知識(shí)。

然后使用 "Alpha League" 循環(huán)比賽方法，先對(duì)比從人類數(shù)據(jù)中訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)，然后逐次迭代，產(chǎn)生新的 Agent 和分支，使其發(fā)展壯大。

接下來，這些 Agent 通過強(qiáng)化學(xué)習(xí)過程與 Alpha League 中的其他競(jìng)爭(zhēng)對(duì)手進(jìn)行比賽，盡可能有效地?fù)魯∷羞@些不同的策略，并調(diào)整個(gè)人學(xué)習(xí)目標(biāo)，鼓勵(lì)競(jìng)爭(zhēng)對(duì)手朝特定方式演進(jìn)，比如說獲得特定獎(jiǎng)勵(lì)。

最后在 Alpha League 中選擇最不容易被利用的 Agent，稱之為 "The nash of League"，去挑戰(zhàn)人類。

至于為何選擇《星際爭(zhēng)霸 2》，主要是因?yàn)檫@款游戲具備策略性、競(jìng)爭(zhēng)性的特性，需要即時(shí)做出大量決策，是非常有趣和復(fù)雜的游戲，在全球都很火爆，每年都有大量的比賽，有著海量的玩家基礎(chǔ)。

【來源：驅(qū)動(dòng)之家】