谷歌的DeepMind子公司开发的人工智能代理在《星际争霸2》中击败了人类专家，这是人工智能领域的第一次。在YouTube和Twitch上播放的一系列比赛中，AI玩家连续10场击败人类。在最后一场比赛中，职业选手格泽戈兹“玛娜”科明茨为人类赢得了一场胜利。

“人工智能的历史以在不同游戏中取得许多重要的基准胜利为标志，”DeepMind的研究合作负责人大卫·西尔弗在赛后说我希望——尽管有明确的工作要做——未来的人们可能会回顾[今天]，也许会认为这是AI系统能做的又一步。

在电子游戏中击败人类似乎是人工智能发展中的一个小插曲，但这是一个重大的研究挑战。像《星际争霸2》这样的游戏对电脑来说比棋类游戏更难玩。在电子游戏中，人工智能代理无法观察每一个棋子的移动来计算他们的下一步行动，他们必须实时做出反应。

这些因素似乎对DeepMind名为AlphaStar的人工智能系统并没有太大的阻碍。首先，它击败了职业球员达里奥“TLO”温施，然后开始挑战法力。这场比赛最初于去年12月在DeepMind的伦敦总部举行，但今天对MaNa的最后一场比赛进行了现场直播，为人类提供了他们唯一的胜利。

职业星际争霸评论员将AlphaStar的游戏描述为“非凡”和“超人”。在《星际争霸2》中，玩家在建立基地、训练军队和入侵敌方领土之前从同一地图的不同侧面开始。AlphaStar特别擅长所谓的“微”管理，即在战场上快速、果断地控制部队的能力。

尽管人类玩家有时能训练出更强大的单位，但阿尔法零能在近距离内超过他们。在一场游戏中，AlphaStar用一个叫做“跟踪者”的快速移动单位蜂拥法力。评论员凯文“鹿特丹”范德库（Kevin“RotterdaM”van der Kooi）将其描述为“非凡的单位控制，只是我们不常看到的东西。”马纳在赛后指出：“如果我与任何人类球员比赛，他们就不会这么好地微控跟踪者。”

这与我们从其他高级游戏AI中看到的行为相呼应。当OpenAI的经纪人去年在Dota 2上与人类职业选手比赛时，他们最终被击败。但专家们指出，特工们再次以“清晰和精确”的方式进行“催眠”。毫不奇怪，快速做出没有任何错误的决定是机器的地盘。

专家们已经开始对奥运会进行剖析，并就AlphaStar是否有任何不公平的优势展开争论。人工智能特工在某些方面步履蹒跚。例如，它被限制每分钟的点击次数不能超过人类。但与人类玩家不同的是，它能够一次查看整个地图，而不是手动导航。

DeepMind的研究人员说，这并没有提供真正的优势，因为该代理在任何时候都只关注地图的一个部分。但是，正如奥运会所显示的那样，这并没有阻止AlphaStar同时熟练地控制三个不同区域的单元——评论员说这对人类来说是不可能的。值得注意的是，当法力在现场比赛中击败AlphaStar时，AI使用的是受限的摄像机视角。

另一个潜在的痛处是，人类选手虽然是职业选手，但并不是世界冠军的标准。特别是TLO，他还必须参加《星际争霸2》中他不熟悉的三场比赛中的一场。

撇开这场讨论不谈，专家们说这场比赛是向前迈出的重要一步。Dave Churchill是一位长期参与星际争霸AI场景的AI研究人员，他告诉《边缘报》：“我认为代理的力量是一项重大成就，比我在AI研究人员中听到的最乐观的猜测至少提前了一年。”

然而，丘吉尔补充说，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飞跃。”丘吉尔说：“我还没有读过这篇博客文章，也没有接触到任何论文或技术细节来打这个电话。”。

佐治亚理工学院人工智能副教授马克·里德尔（Mark Riedl）表示，他对这一结果并不感到意外，这次胜利只是“时间问题”。里德尔补充说，他不认为游戏显示星际争霸2已经被彻底击败。”在最后一个现场游戏中，将AlphaStar限制在窗口确实消除了它的一些人为优势，”Riedl说但我们看到的更大的问题是。。。（人工智能）学到的政策是脆弱的，当人类能够将人工智能推出舒适区时，人工智能就会崩溃。”

最终，这类工作的最终目标不是在视频游戏中击败人类，而是改进人工智能训练方法，特别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的研究人员使用了一种称为强化学习的方法。经纪人基本上是通过反复试验来完成游戏，同时试图达到某些目标，比如获胜或仅仅是活着。他们首先通过模仿人类球员来学习，然后在类似竞技场的比赛中相互比赛。最强的特工生存下来，最弱的特工被丢弃。DeepMind估计，其AlphaStar代理每一位都以这种加速的方式累积了大约200年的游戏时间。

DeepMind清楚其开展这项工作的目标。”“DeepMind的首要任务是建立一个人工通用智能，”AlphaStar项目的共同负责人Oriol Vinyals说，他指的是建立一个可以执行人类任何智力任务的人工智能代理的探索要做到这一点，必须对我们的代理在各种任务中的表现进行基准测试。”