“人类总算能摆脱被统治的阴影”。
这两天，一场《星际争霸》的人机对抗“表演赛”，让不少人类感到扬眉吐气。毕竟在这场比赛中，韩国顶级职业玩家Stork（宋炳具），一鼓作气击败了四个AI玩家，赢得500万韩元奖金！
约合人民币近3万元。
△ 宋炳具选手
整场比赛流程是这样的：人类阵营先由两个普通学生星际玩家出场，分别挑战上个月《星际争霸AI大赛》的冠军：ZZZK、来自挪威的TSCMO、主办方韩国世宗大学研发的MJ。
结果AI阵营分别以3:0、2:1击败了普通人类星际玩家，唯一的败仗由韩国星际AI贡献。总比分算是5:1。
然后就是Stork登场，以一波4:0碾压AI，挽回人类颜面。
为什么赢了四场？因为原本预计会有三场精彩的人机对决，但是Stork赢得实在是太轻松了，没办法只能临时加赛，让《星际争霸AI大赛》上排名第六的CherryPi压轴登场，结果Stork使用神族侦察机就直捣敌窟。
尽管CherryPi来自大名鼎鼎的Facebook AI研究院，但成绩真是一贯不咋地。
△ AI选手
- 带中文解说的现场视频，可以前往这里收看：
https://www.bilibili.com/video/av15909479/
- 如果对全程感兴趣，可以科学前往这里收看：
https://www.youtube.com/watch?v=L54zoUwVPLI
不够AI的AI
顶级职业选手战胜了AI，乍一听，星际界这个情况似乎跟围棋界形成了鲜明的对照。围棋这个领域，AI战胜了顶级职业选手。
但，还真不是一回事儿。
相比之下，AlphaGo是一套复杂的人工智能系统，现在已经可以几乎不借助任何人类知识，自行学会下围棋，并且迅速的成长为高手。
关于最新版AlphaGo Zero，有人花了一张图进行解读。如果你能看懂的话，应该还蛮有意思的……
而参加这次“星际争霸人机大战”、以及上个月《星际争霸AI大赛》的人工智能系统，都在相当初级的阶段。
比如其中最厉害的ZZZK，背后是澳大利亚的程序员Chris Coxe。他独自创建了这个AI，但其中只有一些简单的学习功能，背后更多是各种预先编辑好的策略。
量子位之前也介绍过，ZZZK只能执行一种单基地Rush战术。另外，这个ZZZK能在游戏中学习一些策略，以判断哪种Rush是最有效的。
△ 星际AI大赛成绩单
当然与普通玩家相比，星际AI还是有着人类难以比拟的优势，比方每分钟可以完成峰值2万次的操作，而人类大概是300次。
由于AI玩的不够好，就不详细解读它们的策略了。有兴趣的可以看上面提到的视频。Stork表示，跟他对局的AI出于普通玩家的中等水平。
总而言之，这次Stork击败的AI，其实不够AI。
DeepMind在干嘛
为什么AI在星际这个领域没能大杀四方？
很简单，太难了。
星际是个实用的基础AI研究环境，因为游戏本身复杂多变。AI想要取胜需要同时做多手准备，比如管理并创造资源、指挥军事单位和部署防御结构等操作需要同时进行，逐步完成。此外，AI还需预测对手的策略。
在围棋领域，Facebook开发的AI最终还是敌不过DeepMind开发的AlphaGo。而现在Facebook又在星际领域率先推出AI。
不管是有心无心，新的“竞争”开始了。不过，DeepMind在干嘛？
DeepMind当然不会错过星际；以及DeepMind选择的路径有点不一样。首先，赛场就不一样，Facebook在星际中搏杀，而DeepMind选择了星际2。其次，DeepMind没有直接推AI，而是搞了一套：SC2LE。
这是一套星际2工具包，用于加速AI研究。由DeepMind和暴雪联合发布，这个工具包中包括：
- 机器学习API：由暴雪开发，将研究人员和开发人员接入游戏，并自带首次发布的Linux工具包。至此，Windows、Mac与Linux系统均可在云端运行。
- 匿名游戏回放数据集：包含65000多场游戏记录，在接下来的几周将增加至50万场，帮助实现智能体间的离线比赛。
- 开源的DeepMindPySC2工具包：方便研究人员使用暴雪的特征层API训练智能体。
- 一系列简单的增强学习迷你游戏：帮助研究人员在特定任务上测试智能体的性能。
- 概述开发环境的论文：记录了迷你游戏的初始基线结果、监督学习数据以及智能体间完整的对抗记录。
简而言之，可以看看下面这个视频：
不止星际
AI感兴趣的游戏，不止星际一个。
DeepMind的名字深入人心，可能是因为下围棋的AlphaGo。不过，最初为这家公司在人工智能领域建立了赫赫声望的，是雅达利（Atari）的游戏。
2015年2月，也就在AlphaGo和李世乭下棋之前一年多，DeepMind第一次登上了《自然》封面，他们发表了一篇论文：Human-level control through deep reinforcement learning。这篇论文展示了DeepMind的算法如何学会了49种雅达利游戏，并在其中23种里击败人类。
比如说Video Pinball、Boxing、打砖块（Breakout）、Star Gunner、Robotank等等，AI都很擅长。
△ DQN打雅达利游戏的战果
这篇论文中的算法DQN，后来成了谈到AI打游戏就一定会说起的一种算法，DeepMind和同行们都对它进行了不少改进，前不久，DeepMind还提出了一种DQN的新变体：Rainbow，论文提交给了AAAI 2018。
热衷于雅达利游戏的，还有马斯克等人联合创立的AI研究机构OpenAI。
在2016年发布的强化学习开发工具包OpenAI Gym中，集成了多个环境，其中就包含基于Arcade学习环境的雅达利游戏。
而年底发布的人工智能测试训练平台Universe更是集游戏之大成，除了2600中雅达利游戏之外，Universe里还有1000个Flash游戏。后来，Universe还引入了《侠盗猎车手5》（GTA V），让研究者用AI在虚拟世界里开车。
兴趣广泛的OpenAI，除了集成到Universe平台上的游戏之外，今年还在DotA 2圈的“世界杯”TI7邀请赛上火了一把，影魔中单solo完虐了职业选手Dendi。
可能还有《王者荣耀》。
此前多个媒体报道称，马化腾表示正在测试AI对战手游玩家。这个信息也被广泛解读为腾讯正在训练AI打《王者荣耀》。正经的说，游戏AI是腾讯一个明确的研究方向，包括LOL中未来可能也会有一个AI大魔王。
为什么科技公司不惜重金打游戏
众多科技公司，都对AI打游戏有着浓厚的兴趣，并不是一个偶然。
对于AI研究者来说，这些游戏天然为人工智能提供了一个比真实世界更简单的交互环境，又能为AI设定一个清晰的目标，同时，还提供了一个简单易用的衡量标准。
AI从游戏中学到的策略，对于现实世界中的其他领域的决策来说也有参考价值。比如说DeepMind用来打砖块的DQN，在对话系统、文本生成上就有着不错的效果，也能用来控制机器人避障、导航。
AI打GTA V，甚至本来就是为了在高仿真环境中，训练人工智能来识别街道、物体。游戏中本身就包含了大量的标注数据，比真是数据量更大、更容易获得。如果你在训练无人车的时候没有Waymo Carcraft那么高级的模拟环境，GTA也是个勉强能接受的折衷选择。
和很多打电子游戏的AI同样用了深度强化学习算法的AlphaGo，就在围棋界“独孤求败”之后找到了自己在现实世界中的价值，DeepMind说，他们期待用AlphaGo的算法，来解决蛋白质折叠、降低能耗、寻找革命性的新材料等等问题。
实际上，从2016年开始，Google就开始在数据中心里应用AlphaGo的算法，来控制风扇、空调、窗户、服务器等等的电量。谷歌说，AI帮他们提高了大约15%的能源利用效率。
打游戏的各位AI们成才之后，大可以多向这位下棋的前辈学习。
— 完 —
