编者按：继在最复杂的棋类游戏击败了人类世界冠军之后，Google的DeepMind又瞄准了最复杂的视频游戏——实时策略游戏《星际争霸》。经过短短两周的训练之后，前不久，其AI AlphaStar以两个5：0分别击败了两位顶级的人类职业玩家，令世人再度感到震惊。不过，AI的能力真的有这么强吗？arstechnica网站的一篇文章对此进行了剖析。

在第四场比赛的一场决定性的战斗中，2队AI控制的追捕者逼近Grzegorz "MaNa" Komincz的基地

2014年Google收购的AI初创企业DeepMind，其最知名的成就也许是成为第一个击败人类围棋世界冠军的AI。在掌握了全世界最具挑战性之一的棋类游戏之后，你接下来又会干什么呢？攻克最复杂的视频游戏。DeepMind于是决定写一个AI来玩实时策略游戏星际争霸2。

星际争霸要求玩家收集资源、建立很多的部队，然后利用这些来摧毁对手。星际争霸对AI尤其具有挑战性，因为玩家必须在几分钟的游戏时间内制订长远计划，并在面临敌人攻击时实时地进行调整调度。DeepMind称在自己之前，还没人能够设计出与最好人类玩家水平接近的星际争霸AI。

最近DeepMind宣布了一项重大突破。其星际争霸AI AlphaStar分别以两个5：0击败了两位星际争霸的顶级玩家——Dario "TLO" Wünsch与Grzegorz "MaNa" Komincz。

AlphaStar也许是最强的星际争霸AI。但它的成就未必像乍看起来那么大，因为这不是一项完全公平的比赛。

训练AlphaStar用了“长达200年”的虚拟游戏素材

DeepMind称“AlphaStar的行为由一个深度神经网络生成，该网络接收裸游戏界面（游戏单位及属性清单）的数据输入，然后输出一系列构成游戏动作的指令。说得具体一点，该神经网络架构应用了一个transformer 作为躯干，结合了一个深度 LSTM 内核、一个自回归策略头、一个指针网络，以及一个集中化的价值基线。”

这些专业的说法很绕，不过DeepMind解释了训练其虚拟星际争霸玩家改进技巧的部分细节。

首先他们用有监督学习帮助AI学习模仿人类玩家的策略。这种强化学习技巧足以开发出一个能玩的星际争霸2机器人。DeepMind称这个初始的机器人“95%的时间内击败了内置的精英级AI（相当于人类玩家的黄金级）。”

DeepMind然后靠这个AI派生出来多个版本，每一个的游戏风格都略有不同。所有的AI都被放进一个虚拟的星际争霸联赛当中，每一个AI会跟其他AI不停地挑灯夜战，不断地从错误中吸取教训，然后持续地演进自己策略。

DeepMind写道：“为了鼓励联赛的多样性，每一个AI都有自己的学习目标：比方说，要击败哪些竞争对手，要增加哪些偏向于指导AI如何玩游戏的激励因子。某个AI的目标可能是击败特定对手，而另一个AI可能是如何击败一群竞争对手，但是是靠做出更多特定游戏单位来做到的。”

按照DeepMind的说法，一些AI积累的游戏用时相当于人类玩200年的时间。在2周之内，这个进化过程极大地改进率AI的平均技能水平：

到最后时，DeepMind挑选了其中5个最强的AI来应战人类玩家。这种方案的后果之一是人类玩家在每一场比赛时都要面对AlphaStar不同的对战策略。

AlphaStar在开始的游戏中具备一项不公平的优势

DeepMind当时还邀请了游戏主播在复盘时对赛况进行评论。主播被AlphaStar的“微”能力——也就是在激战正酣时迅速做出战术决策的能力给震惊到了。

这种能力在AlphaStar与Komincz对战的第四场比赛中表现得最明显。Komincz是两位人类选手中较强的那位，而第四场也是Komincz最接近获得胜利的一场。这场比赛的高潮部分是Komincz由几种单位类型（不朽者、执政官、狂热者）的部队被AlphaStar完全由追猎者的部队围攻。

AlphaStar v. Komincz的第四场比赛中，AlphaStar的追猎者（蓝）从三方攻击Komincz的不朽者、执政官、狂热者（红），AlphaStar的追猎者最终赢得了比赛继而摧毁了Komincz的基地。

追猎者并没有特别强大的武器和装备，所以跟不朽者和执政官拼刺刀的时候一般都是要输的。但是追猎者行动快，而且有一门叫做“闪现”的绝技，可以瞬间传送到范围内的目标可见地点。

这就为AlphaStar创造了一个机会：用一大群追猎者进行攻击，让前排的搞搞破坏，接着在被干掉之前闪现到后排，然后再慢慢补血。如此反复轮换，AlphaStar就可以在自己损失不大的情况下对敌方造成大量破坏。