碾压99.8%人类对手，三种族都达宗师级!星际AI登上Nature，技术首次完整披露

pvrdxwsqhl

乾明 鱼羊 栗子 发自 凹非寺 
量子位 报道 | 公众号 QbitAI
1 h7 y( R, I# [% Y

仅剩0.2%的星际2玩家，还没有被AI碾压。
. T+ Z. r0 Y! a0 u. x7 O- B) w( g

这是匿名混入天梯的

AlphaStar

，交出的最新成绩单。

0 S' c2 C5 E* O( A: u

同时，DeepMind也在

Nature

上

完整披露了AlphaStar的当前战力和全套技术：

AlphaStar

，已经超越了99.8%的人类玩家，在神族、人族和虫族三个种族上都达到了宗师（Grandmaster）级别。

! b5 \& L8 B$ ?$ H9 F) J+ y% Y' }9 r

在论文里，我们还发现了特别的训练姿势：

' {% {; d" ?% W* l; h4 a! P) S& x不是所有智能体都为了赢
( m. s0 {5 z4 B% U/ @

DeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：

一是约束：现在AI视角和人类一样，动作频率的限制也更严了。
二是人族神族虫族都能1v1了，每个种族都是一个自己的神经网络。
" p6 Z  H7 e) Z6 c% [/ t! n/ K三是联赛训练完全是自动的，是从监督学习的智能体开始训练的，不是从已经强化学习过的智能体开始的。
四是战网成绩，AlphaStar在三个种族中都达到了宗师水平，用的是和人类选手一样的地图，所有比赛都有回放可看。
3 i! V. u* M- _! H, ^, m

具体到AI的学习过程，DeepMind强调了特别的训练目标设定：

: r0 {# ^. q. k, q0 K, {8 _  A3 I

不是每个智能体都追求赢面的最大化。

; h9 |8 V) ~4 \! s+ e  H

因为那样智能体在自我对战 (Self-Play) 过程中，很容易陷入某种特定的策略，只在特定的情况下有效，那面对复杂的游戏环境时，表现就会不稳定了。

: }8 T: o& E% e; @3 l: S4 j

于是，团队参考了人类选手的训练方法，就是和其他玩家一起做针对性训练：一只智能体可以通过自身的操作，把另一只智能体的缺陷暴露出来，这样便能帮对方练出某些想要的技能。

这样便有了目标不同的智能体：第一种是主要智能体，目标就是赢，第二种负责挖掘主要智能体的不足，帮它们变得更强，而不专注于提升自己的赢率。DeepMind把第二种称作“剥削者 (Exploiter) ”，我们索性叫它“陪练”。

. J3 G( v1 W  I: T4 {5 |

AlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。

比如，蓝色是主要玩家，负责赢，红色是帮它成长的陪练。小红发现了一种cannon rush技能，小蓝没能抵挡住：

然后，一只新的主要玩家 (小绿) 就学到了，怎样才能成功抵御小红的cannon rush技能：
: j: `' J( _* W4 ]3 [

1 i- V4 D8 Y/ x8 e2 w7 Q

同时，小绿也能打败之前的主要玩家小蓝了，是通过经济优势，以及单位组合与控制来达成的：
# N& j0 ]7 k. U& ~. p) L) {/ v

' h  J2 ^& s' K( s  \, G9 P7 Z# b& m

后面，又来了另一只新的陪练 (小棕) ，找到了主要玩家小绿的新弱点，用隐刀打败了它：

循环往复，AlphaStar变得越来越强大。
$ |5 X' e1 ~: L" |

至于算法细节，这次也完整展现了出来。

3 q3 g' j  j* p( ]AlphaStar技术，最完整披露

0 \: w, c( I% X8 J& s9 J

许多现实生活中的AI应用，都涉及到多个智能体在复杂环境中的相互竞争和协调合作。

" ^( V6 \. g# y. p! M; D- ]% @$ B0 _/ f

而针对星际争霸这样的即时战略（RTS）游戏的研究，就是解决这个大问题过程中的一个小目标。

" q* W- y; z+ h8 i! D$ m5 N% e

也就是说，星际争霸的挑战，实际上就是一种多智能体强化学习算法的挑战。

% j! d2 {5 L) G- a( N

AlphaStar学会打星际，还是靠深度神经网络，这个网络从原始游戏界面接收数据 (输入) ，然后输出一系列指令，组成游戏中的某一个动作。

- S5 N/ |7 C) i1 R3 `% o# z) v: N

AlphaStar会通过概览地图和单位列表观察游戏。

/ E9 ~# ?3 k( C9 ~% y0 ^: ?

采取行动前，智能体会输出要发出的行动类型（例如，建造），将该动作应用于谁，目标是什么，以及何时发出下一个行动。

4 Y! ~2 }: d1 J" o3 ~* H

动作会通过限制动作速率的监视层发送到游戏中。

9 W  p* a; R6 h) @% k/ v- p) U

而训练，则是通过监督学习和强化学习来完成的。

最开始，训练用的是监督学习，素材来自暴雪发布的匿名人类玩家的游戏实况。

这些资料可以让AlphaStar通过模仿星际天梯选手的操作，来学习游戏的宏观和微观策略。

8 G1 j( G# I! h8 N) m( I3 [

最初的智能体，游戏内置的精英级 (Elite) AI就能击败，相当于人类的黄金段位 (95%) 。

而这个早期的智能体，就是强化学习的种子。

1 M! S) y2 Q0 ~3 C3 Y

在它的基础之上，一个连续联赛 (Continuous League) 被创建出来，相当于为智能体准备了一个竞技场，里面的智能体互为竞争对手，就好像人类在天梯上互相较量一样：

7 l# {8 ?# H7 T4 C2 X/ B/ l

从现有的智能体上造出新的分支，就会有越来越多的选手不断加入比赛。新的智能体再从与对手的竞争中学习。

这种新的训练形式，是把从前基于种群 (Population-Based) 的强化学习思路又深化了一些，制造出一种可以对巨大的策略空间进行持续探索的过程。

这个方法，在保证智能体在策略强大的对手面前表现优秀的同时，也不忘怎样应对不那么强大的早期对手。

随着智能体联赛不断进行，新智能体的出生，就会出现新的反击策略 (Counter Strategies) ，来应对早期的游戏策略。

一部分新智能体执行的策略，只是早期策略稍稍改进后的版本；而另一部分智能体，可以探索出全新的策略，完全不同的建造顺序，完全不同的单位组合，完全不同的微观微操方法。

% w6 r6 o  L( Y& |' d

除此之外，要鼓励联赛中智能体的多样性，所以每个智能体都有不同的学习目标：比如一个智能体的目标应该设定成打击哪些对手，比如该用哪些内部动机来影响一个智能体的偏好。

2 `0 W0 K. Y- L: G

4 Q+ I# q) j4 x+ n7 L1 B) q7 W# U

△

联盟训练的鲁棒性

6 k& Z: {* }' z0 g" _

而且，智能体的学习目标会适应环境不断改变。
2 b  ?! g! z) g2 n$ _3 x% [

9 `# e! q0 C' b; \3 p

神经网络给每一个智能体的权重，也是随着强化学习过程不断变化的。而不断变化的权重，就是学习目标演化的依据。

$ S  J) N9 x: r9 a3 c

权重更新的规则，是一个新的off-policy强化学习算法，里面包含了经验重播 (Experience Replay) ，自我模仿学习 (Self-Imitation Learning) 以及策略蒸馏 (Policy Distillation) 等等机制。

7 Z  k3 s$ d3 x. q  j- B* _( W历时15年，AI制霸星际
, L4 u; S& d5 `! D
- x' q  J: p; Q" S0 h

《星际争霸》作为最有挑战的即时战略（RTS）游戏之一，游戏中不仅需要协调短期和长期目标，还要应对意外情况，很早就成为了AI研究的“试金石”。

因为其面临的是不完美信息博弈局面，挑战难度巨大，研究人员需要花费大量的时间，去克服其中的问题。

( S: ]+ i% _; f! y1 M: y

DeepMind在Twitter中表示，AlphaStar能够取得当前的成绩，研究人员已经在《星际争霸》系列游戏上工作了15年。

: h; X. @. n) U4 r% J" g: U  K

但DeepMind的工作真正为人所知，也就是这两年的事情。

2 `7 U* U  R5 x; [- g2 e

2017年，AlphaGo打败李世石的第二年后，DeepMind与暴雪合作发布了一套名为PySC2的开源工具，在此基础上，结合工程和算法突破，进一步加速对星际游戏的研究。

" Q! @6 Z8 S; i0 b( `

之后，也有不少学者围绕星际争霸进行了不少研究。比如南京大学的俞扬团队、腾讯AI Lab、加州大学伯克利分校等等。

- L  ]7 U0 P% h5 T* N0 n

到今年1月，AlphaStar迎来了AlphaGo时刻。

; w9 O" @9 J8 @8 @

在与星际2职业选手的比赛中，AlphaStar以总比分10-1的成绩制霸全场，人类职业选手LiquidMaNa只在它面前坚持了5分36秒，就GG了。

& a; T2 U4 A3 ^% N

全能职业选手TLO在落败后感叹，和AlphaStar比赛很难，不像和人在打，有种手足无措的感觉。

半年后，AlphaStar再度迎来进化。

DeepMind将其APM (手速) 、视野都跟人类玩家保持一致的情况下，实现了对神族、人族、虫族完全驾驭，还解锁了许多地图。

3 B! f+ w/ E. m7 S6 f

与此同时，并宣布了一个最新动态：AlphaStar将登录游戏平台战网，匿名进行天梯匹配。

. M: o' h  e! f" U" l! a7 T

现在，伴随着最新论文发布，AlphaStar的最新战力也得到公布：击败了99.8%的选手，达到宗师级别。

. V! N6 Q' D( l7 i2 @" z

DeepMind在博客中表示，这些结果提供了强有力的证据，证明了通用学习技术可以扩展人工智能系统，使之在复杂动态的、涉及多个参与者的环境中工作。

而伴随着星际2取得如此亮眼的成绩，DeepMind也开始将目光投向更加复杂的任务上了。

CEO哈萨比斯说：

星际争霸15年来一直是AI研究人员面临的巨大挑战，因此看到这项工作被《自然》杂志认可是非常令人兴奋的。
3 I5 h6 I: w/ k1 f3 \这些令人印象深刻的成果，标志着我们朝目标——创造可加速科学发现的智能系统——迈出了重要的一步。
5 H* t6 O4 |2 N5 B/ r

那么，DeepMind下一步要做什么？

哈萨比斯也多次说过，星际争霸“只是”一个非常复杂的游戏，但他对AlphaStar背后的技术更感兴趣。

6 E& D  {, @2 I, h3 s" J

但也有人认为，这一技术非常适合应用到军事用途中。

不过，从谷歌与DeepMind 的态度中，这一技术更多的会聚焦在科学研究上。

0 g0 K" J' l2 i0 s7 L8 Y

其中包含的超长序列的预测，比如天气预测、气候建模。

& {" H4 M2 \# l  T) |0 z

或许对于这样的方向，最近你不会陌生。

# P& m1 t& o# ~4 a& @/ I3 d  T" H

因为谷歌刚刚实现的量子优越性，应用方向最具潜力的也是气候等大问题。

现在量子计算大突破，DeepMind AI更进一步。

$ u' r# d. \8 q( u, S$ m% P7 j

未来更值得期待。你说呢？

One more thing

8 G' k/ v  D# S6 `$ d

虽然AlphaStar战绩斐然，但有些人它还打不赢。

当时

AlphaStar

刚进天梯的时候，人类大魔王Serral就公开嘲讽，它就是来搞笑的。

3 @, q0 r: S0 s, i9 V) J

但人家的确有实力，现在依旧能正面刚AI。

不过，敢这样说话的高手，全球就只有一个。

传送门

$ Y) Y' U1 u, m. l" \9 g- |

Nature论文：
9 f; m: G/ ?) t6 _. U! ^https://doi.org/10.1038/s41586-019-1724-z

: U$ A+ e+ N. f$ J) ?3 ?

论文预印版：
https://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf

( r1 K3 U% h' R5 B

博客文章：

https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning

" o( [) x4 i8 j! A* P1 T3 a0 d

对战录像：
https://deepmind.com/research/open-source/alphastar-resources

— 完 —
) G" Z* n4 m! B" N# Z% Z大咖齐聚！量子位MEET大会报名开启
量子位 MEET 2020 智能未来大会启幕，将携手优秀AI企业、杰出科研人员呈现一场高质量行业峰会！VIP票即将售罄，快扫码报名吧~
榜单征集！三大奖项，锁定AI Top玩家
, s8 _* l% m% t0 P( w2019中国人工智能年度评选启幕，将评选领航企业、商业突破人物、最具创新力产品3大奖项，并于MEET 2020大会揭榜，欢迎优秀的AI公司扫码报名！
: M! j7 g. T2 m3 W. r量子位 QbitAI · 头条号签约作者
9 h9 U3 i. ]8 c7 F- j: x' ~$ g: Aվ'ᴗ' ի 追踪AI技术和产品新动态
' b& I0 S) i% P4 z喜欢就点「在看」吧 !
$ w1 D, h7 q4 s$ E

% ?9 v  t  |2 O0 ?


. i% }$ V/ |" X, d! \6 r& ~! c来源：http://mp.weixin.qq.com/s?src=11&timestamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1
% ?( q% A% A" f; R. G免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！