deepmind和暴雪釋出了使用星際爭霸訓練人工智慧的新工具

教電腦玩遊戲一直是衡量他們智力的一個有用的方法（儘管有些粗糙）。但隨著我們的機器變得越來越智慧，我們必須為它們找到新的挑戰。首先是國際象棋，然後是阿塔裡，然後是棋盤遊戲圍棋，現在他們正在接受他們迄今為止最大的挑戰：星際爭霸。...

教電腦玩遊戲一直是衡量他們智力的一個有用的方法（儘管有些粗糙）。但隨著我們的機器變得越來越智慧，我們必須為它們找到新的挑戰。首先是國際象棋，然後是阿塔裡，然後是棋盤遊戲圍棋，現在他們正在接受他們迄今為止最大的挑戰：星際爭霸。

準確地說，谷歌人工智慧子公司DeepMind的研究人員說，星際爭霸2是教授計算機記憶和計劃等高階技能的完美環境。去年，DeepMind表示，它將與星際爭霸創造者暴雪合作，將天基戰略遊戲變成適合人工智慧工程師的研究環境，而今天，該軟體正向公眾釋出。

來自DeepMind和暴雪的工具包捆綁在各種輔助工具中，包括從專業比賽中收集的大量星際爭霸2回放資料集（人工智慧可以透過觀看來學習人類戰術）；以及一組小遊戲，它們將某些遊戲性元素（如地圖探索和資源收集）隔離開來，可以用來磨練特定的技能。不過，工具包中最重要的部分是一個API，它可以讓人工智慧代理像人類一樣玩遊戲，並將資料反饋給研究人員。這意味著，在透過試錯學習的同時，這些代理可以得到與人類相同的約束條件（這樣他們就不能一次看到所有的地圖，或者不能無限快地點選滑鼠），而這一過程在人工智慧中被稱為“強化學習”。

但是為什麼星際爭霸是訓練人工智慧的好方法呢？這不是因為我們想讓電腦學習軍事戰術，而是因為我們需要教他們一些抽象的技能，而電子游戲恰好是一種很好的方式。電子游戲是虛擬的環境，這意味著遊戲可以很快地重覆一遍又一遍；有大量的訓練資料可用，有助於生**類玩遊戲；而《星際爭霸》本身也有一些遊戲機制，對電腦來說尤其具有挑戰性。

參與該專案的DeepMind研究員奧裡奧爾·維尼亞爾斯（Oriol Vinyals）解釋說，該遊戲提供的一個有趣的限制是“戰爭之霧”機制，它掩蓋了地圖，並迫使玩家探索以找出他們的敵人在乾什麼。”因此，人工智慧特工要記住“啊，我以前在那裡見過一個單位，但現在沒看到，所以我應該回去偵察，看看他們在那個地方附近有沒有基地，”溫亞爾斯告訴《邊緣報》。

對人類來說，這是一個顯而易見的想法，幾乎不值得思考，但這是一種常識性的見解，人工智慧需要學習才能有用。在《星際爭霸》中，思考玩家看不見的東西是獲勝的關鍵——而這是象棋或圍棋這樣的遊戲中不存在的挑戰，在這類遊戲中，兩個玩家都對自己的環境有著完全的瞭解。

Vinyals說，這種記憶技能可以應用於各種環境，並舉例說明瞭一臺計算機管理資料中心的電源以降低電力成本。”它可能會看到，在一個星期天有一個電源高峰，無論出於什麼原因，它將不得不記住這個資訊下星期天來解釋它，“他說記憶在這裡起著關鍵作用，教計算機推斷世界的狀態對我們來說非常有趣。”

除了教授人工智慧某些技能外，新釋出的API還為人類與計算機星際爭霸決戰奠定了基礎。暴雪和DeepMind都沒有表示他們計劃舉辦類似於AlphaGo對人類冠軍的比賽，但星際爭霸II最優秀的玩家肯定很熱衷。在今年早些時候接受麻省理工學院技術評論的採訪時，職業星際爭霸選手Byun Hyun-Woo對自己的機會相當有信心。”我不認為AI能打敗（職業球員），至少在我有生之年是不行的。”。

問題是，人工智慧有一種讓人類驚訝的方式，比如當DeepMind的AlphaGo AI在與圍棋大師李賽多的比賽中做出了評論員認為荒謬的舉動（但後來證明這對它的成功至關重要）。

那麼，DeepMind的人工智慧會給星際爭霸玩家帶來驚喜嗎？Vinyals說這已經發生了，並舉例說明瞭一個特工的任務是用兩個單位盡可能快地探索地圖的一部分。Vinyals說，通常情況下，人類玩家會選擇這些單位，並使用“移動”命令儘快覆蓋地面。”但事實證明，你可以使用另一個名為“巡邏”的命令，而不是使用“移動”。與“移動”不同的是，這迫使部隊彼此保持距離，“這樣他們可以覆蓋更多的地圖，更快地收集資源。”

這不是一個突破，但它展示了計算機如何透過對熟悉的問題採取新的方法而占上風。”“我覺得這很有趣，”維亞爾斯說我只是不記得——或者可能不知道——這種行為，“很可能會有更多的驚喜出現。