乾明 鱼羊 栗子 发自 凹非寺 2 o# x) f9 X0 K9 `5 z& P
量子位 报道 | 公众号 QbitAI
4 z* |8 Z0 l/ H
! t- I! L q0 ?/ f/ ], y! h仅剩0.2%的星际2玩家，还没有被AI碾压。
" {/ T; ]" J# n! x) G0 c 2 U. O# d2 F( ^1 m5 B9 z# h- q- q
这是匿名混入天梯的AlphaStar ，交出的最新成绩单。
6 Q! [ V/ V0 ?* h2 B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。
. }$ Y1 K$ W3 l. Q
$ f. }( Z4 T! i0 A0 A }
9 [2 z& c1 y- G在论文里，我们还发现了特别的训练姿势：
# ], P' N( h% V不是所有智能体都为了赢
& A0 x1 E( W6 M5 q9 J' ]) _+ n2 A, z4 Y3 e: i" m
DeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：
4 e5 w: }1 b6 L, p! H( a4 V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。: L8 P* B2 H3 O# l7 k' d3 b
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。
# ?* q, C, p7 G2 z& G# Q6 U0 q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。
" z& O( i# V* a- y: w' c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。
# \. t2 @, Z; P. D0 n9 J9 t% U) e 具体到AI的学习过程，DeepMind强调了特别的训练目标设定：
9 I) U8 ~. f* [6 |' ?, b不是每个智能体都追求赢面的最大化。
7 T; ~" r5 r. w% T( I9 j
) Q! }" D% P" E# s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。 4 T9 f8 E1 [; \' |8 r* {
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。
4 q* e1 s" j0 u1 \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”。
q9 [% S& }6 L: U6 L" AAlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。 ; O1 p+ F( X- A5 D2 s* \& @
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：
/ j L6 z: l7 h- a4 _* y) L/ @( a a- b4 d
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：
; I0 N6 N" M0 ^' p; V 4 k7 Y, y3 k5 \6 s5 ^
/ m4 X$ K- S4 m# C& E! o5 l9 ^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：
1 W5 ]6 B4 q7 t0 R/ V 9 ~) L4 ?) I/ W, i" q, o& ^4 v
, W* J# W; g: _2 E
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：
9 m) g. M, L+ W% o4 J
" O, W1 |' Y0 `0 ]; T7 L$ z, R3 c, P6 _4 z
循环往复，AlphaStar变得越来越强大。# Z4 F1 X. R1 d
, b/ b2 K3 v' W7 [至于算法细节，这次也完整展现了出来。
( h$ A- x% g# s% uAlphaStar技术，最完整披露
$ I" i( i' P6 `+ \' E3 ~
* D. h9 w$ L( _6 G. x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。
, W0 k' x y& ]3 ~# [8 x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。
) y- \# q) O, ^6 T- N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& `& r) Z
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。 & t* e) y/ b+ Q. E
9 e- g" j. u& v l4 ?AlphaStar会通过概览地图和单位列表观察游戏。
U, a( }6 }8 V# X4 P0 v) c/ i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。 - w6 `" m, k F5 A" n' j: l
动作会通过限制动作速率的监视层发送到游戏中。 . a1 f! ?! E5 E. ~
6 J$ W) A! B$ g5 s
而训练，则是通过监督学习和强化学习来完成的。 % b+ R; x7 {- H3 q* J% Q7 b$ C8 m' q
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。
0 K" ]$ Q: G+ o8 h) B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。
- M8 o& T ^ j& d: Z! H/ V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%) 。
- K/ k* b6 c" h. J# P3 k" P/ j而这个早期的智能体，就是强化学习的种子。 . j. l+ ?1 ?" Z0 U0 m9 d( w* U3 _
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： - P- ^2 c9 ~" R! |# v* I
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。
, D4 a0 v5 |; g2 S: T* E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。
T$ C8 t* s6 w! ~7 }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。
. j0 V: U6 i% P1 `# Z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。
* V( j# S- }1 a0 j' ?1 w7 V' d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。 % r8 w) k& m3 A' G! _
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。 $ T4 Z4 O! ?/ a' `
; _* r4 ]$ H& ^' e" Y' H* z; o" F
, N/ o) I5 r/ \- ? z( w$ R! ~而且，智能体的学习目标会适应环境不断改变。
4 [. Y/ \+ o8 }; Y) s: h1 b/ | 7 }+ s6 v6 P/ V0 B
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。 7 F4 n, U3 r v5 l; \; ?$ I1 s
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。
1 v* [) Q+ U. m4 l W& g历时15年，AI制霸星际
1 ^3 c, s5 P6 t' w1 W7 v6 W( _" h" @2 T
《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”。
$ B D6 p/ n/ o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。 - m' S8 o: ~- ~5 t: ~, V
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。 ! l: X" c) Q! w& r
" S. c! s# S* D' @1 Q但DeepMind的工作真正为人所知，也就是这两年的事情。 / I7 ?' P" \' }
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。
9 I t1 u$ N! Y6 o$ n9 n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。
5 b! u2 ]' d2 M# X, X* z7 M到今年1月，AlphaStar迎来了AlphaGo时刻。
! D; m; t; I- L! C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。
$ E" a/ ^5 }; A, \; E4 @ B. v4 v- U, I
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。 4 ]) c" `* j9 K* r( L# [# c" G# B
半年后，AlphaStar再度迎来进化。 ' b \4 |- ^( Q! x
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。 6 U0 M6 P y" c8 h7 d
1 h# D3 H/ p0 V% r. Q( B! f' A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。 1 M9 h1 W; W, i- i. B- P
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。 1 z4 F, F/ t$ a! W& `' T1 }
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。 $ [. C" A& t3 r0 \
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。 4 L4 P, X: Z& ~( i
CEO哈萨比斯说： 5 ]* h" j, [* J5 C9 I# I
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。
4 ?5 M# r) ~# H) F! j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。* m; D: E5 m6 Y( V' t/ G$ A/ [7 Z0 S
那么，DeepMind下一步要做什么？
2 C2 I& i- ?: W, K0 e( x3 S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。 " U9 Y, g3 q! Y- f+ f
但也有人认为，这一技术非常适合应用到军事用途中。 - t1 _" W" q* F1 L( i+ K5 Z0 d: C
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 n6 u3 U' R$ B& M
其中包含的超长序列的预测，比如天气预测、气候建模。
8 |0 x5 |+ {7 d) t; _+ S或许对于这样的方向，最近你不会陌生。 4 J9 w/ h* \1 B, b3 D! b
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。
4 L( I0 |1 E; p$ S' C% P$ G/ F& R现在量子计算大突破，DeepMind AI更进一步。
0 [# H0 A8 I' E6 H未来更值得期待。你说呢？ ) t4 ]7 b) C2 {4 j+ f' l( e: v
One more thing' S+ h) n; K7 N
& N0 u* z3 g6 P1 @ _6 T虽然AlphaStar战绩斐然，但有些人它还打不赢。 * l. ~8 z6 W. d
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。 / p4 J1 _1 A# ?/ m0 \
5 n _( W6 `3 G. Q9 C4 \5 K但人家的确有实力，现在依旧能正面刚AI。 . V5 y# n! z, B1 O3 H* g9 m( N
不过，敢这样说话的高手，全球就只有一个。 7 B: \) V' \- a
传送门
6 h6 b3 @0 s- S8 }2 \+ [& t
( K9 [# w4 @: D; @' z2 lNature论文：% ?1 z6 q9 O8 a8 j2 N
https://doi.org/10.1038/s41586-019-1724-z
$ q4 n+ A& X1 h. H* x" ]& }4 k$ W论文预印版：
& [+ @1 }, s% F m. a+ d0 {4 _$ Rhttps://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf : u! z0 T8 J& `4 \7 Z: T: o1 y; F
博客文章： / g( Y h5 z' u
https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning
' A7 \3 G$ o! h3 n0 W0 p& o+ s- M对战录像：
; l8 `7 G# t4 s/ q Shttps://deepmind.com/research/open-source/alphastar-resources 4 ^# v( o, ^/ x2 W6 g f, ] X
— 完 —
5 }2 L; `5 I- _' W6 S大咖齐聚！量子位MEET大会报名开启
5 Q0 {1 L9 J" U8 X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~5 x- m' ^4 a1 u0 z* L$ Q/ J
 榜单征集！三大奖项，锁定AI Top玩家, N: b F% m6 \, U2 w
2019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！4 G3 c0 L6 ]4 ~
  量子位 QbitAI · 头条号签约作者
3 x8 r+ W) i# |/ {վ'ᴗ' ի 追踪AI技术和产品新动态
$ Q/ H; D) C1 G, H喜欢就点「在看」吧 !0 Y$ p( a1 `5 E2 a, a0 p2 Z8 b
) m: N4 {4 p5 H$ G+ i7 E; @: c* V1 C: P% E! M
7 Z5 `: O! ?" o. L
( I% P# y7 C# q- R. o4 d5 G, C( a: _: b
来源：http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=12 s# L5 ~3 G6 K8 l- _
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！ | 
|手机版|小黑屋|梦想之都-俊月星空
( 粤ICP备18056059号 )|网站地图
发表于 2019-10-31 16:23:08
