乾明 鱼羊 栗子 发自 凹非寺 - h1 S ~$ R8 G- r" K, b
量子位 报道 | 公众号 QbitAI
. j, U/ v! t f8 |9 G) v& I6 {1 h) }. e. m1 w( x8 O4 `
仅剩0.2%的星际2玩家，还没有被AI碾压。
1 D3 m# j+ o! D7 s. p
2 d" G5 p" p- q( }* R这是匿名混入天梯的AlphaStar ，交出的最新成绩单。
6 k9 x4 Y+ ~: Z6 K' }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。
* ^2 E7 V1 U/ E H
) v# k" g; I7 m- h. @2 `5 E
在论文里，我们还发现了特别的训练姿势： , h4 }9 e' M# {9 I9 p
不是所有智能体都为了赢
7 z1 ^; ~2 y" y! ?& A0 ~7 c% I& q! G7 K( h4 `) ^7 }; y
DeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：
7 d W4 O! x! `3 G3 h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。2 e. R6 n- P4 J7 J+ Z! P
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。$ _3 n, L: i) ]; ?" ?& W
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。
! R; g5 m" @% X; N) E7 a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。
, Q+ |1 t) X+ X5 _' y: `5 p* g$ l% o8 b 具体到AI的学习过程，DeepMind强调了特别的训练目标设定：
' {2 [9 g# A7 v3 L; K不是每个智能体都追求赢面的最大化。 5 k7 i- n8 g- g
4 f. K3 T$ N/ k3 Y$ S4 V
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。 ) \) Z* _8 j: j, I3 R4 x
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。 3 k W d3 [# O4 \
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”。 ! E# H( W/ J7 ?
AlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。
0 ]! U- l- p2 [ P8 k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：
) x- A1 }* V1 I* R
1 |" d! |9 D- e3 I3 G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：
5 K6 ^3 M- e9 p d+ p 7 o" }9 K& M/ `5 X/ E2 [
7 ^+ {8 `6 K* K' T& V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 \1 ]% N( B( g
/ t. l1 w# I o2 E8 r) H6 y' U4 Q: w: P# r
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：
6 M: p; l+ {' I7 D' W
L: R' s! g3 {! {& S
2 r Q8 f- m% K$ Z( k% J循环往复，AlphaStar变得越来越强大。+ l0 h: K0 k. f
! O: P. A8 |* U0 R+ t! ]# j7 [
至于算法细节，这次也完整展现了出来。
5 a( A' h, w6 j$ q2 t0 IAlphaStar技术，最完整披露
, H1 S& J" S8 k& C# }0 _
: P) f# ]# o' F2 N' J; 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。 9 c! o% D z" g4 M% \1 C
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。
% A5 q5 t& r3 X* C g4 h5 Y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。
- _& h$ I5 @! |# ^/ |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。
" w' m/ ?" t w8 b
+ j8 N! n- p# S8 U6 t2 D: _9 NAlphaStar会通过概览地图和单位列表观察游戏。 ) D' B( N$ |( s5 S( }, m
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。
0 c- I# t* l) i h$ O" n# x动作会通过限制动作速率的监视层发送到游戏中。
+ b2 f& w3 \. \/ q$ e0 H6 q3 {1 x' K8 `3 ^, ?1 e
而训练，则是通过监督学习和强化学习来完成的。
K8 P# R5 k0 C7 P2 L+ E1 L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。
/ C B5 L" W0 ^) {5 }% \, f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。 9 O) `7 I/ R7 ]+ S5 f" q
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%) 。
( [+ U1 N4 y( |" G' _9 D) J而这个早期的智能体，就是强化学习的种子。
9 ?) T; r; D) K/ C8 N7 L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： % _ s$ w" \* @( N" }3 u2 |
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。 4 N3 A- {2 i* H4 h6 w3 R2 x+ 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。 " |3 a) A! U3 t9 ?
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。
9 e/ \5 W" b: b- \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。
- T* m8 W/ q( ?! V! G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。 ! o$ ?: ~" Z2 Z* a% r' E1 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 _7 w2 @2 {, Q1 ^( `5 E
' H. {0 M( |& r' q
; h4 T( Y2 {: _, g
而且，智能体的学习目标会适应环境不断改变。( c% W Y. Q$ I9 S1 m3 L( \9 ]7 j
~2 `0 }, O) h$ j5 h3 V. w
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。 @- w8 Q- d: E7 m
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。
. p0 I8 W% B/ w' }历时15年，AI制霸星际
. Z4 K6 t K. r, p. _( K H0 p/ q2 K3 {( n% C% O0 Q* {
《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”。 * @, `* M* n$ m$ S4 q4 p
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。 ! M8 r# ?; l3 I9 x3 ?7 x) i( O- b
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。 7 h- w" @0 q# j, u8 W) H* `& [) M! o
: F: Y3 ^5 A5 L& I) ]" Y/ F
但DeepMind的工作真正为人所知，也就是这两年的事情。 ( i/ Z$ S2 o" s3 \4 I. d* u5 `6 ^
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。 , G( k/ @' m3 J: \8 _
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。 / P" S1 a D6 w- n( L
到今年1月，AlphaStar迎来了AlphaGo时刻。
' X% {# A/ H8 C9 _& l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。 ; L" `1 \% c. ]7 { z0 e$ _8 z
9 S" B, n+ I8 {; H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 i0 r4 h! K: }
半年后，AlphaStar再度迎来进化。
7 n. w4 d* ^6 s2 H- Z* k$ T( ]5 Z& i' iDeepMind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。
8 i1 I+ F6 @+ q! q$ M- g9 s6 O, ?: o1 k& u+ V; ^. q% H
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。
9 x }- D3 w3 ^# _ v* g0 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。
; @' G( l+ T% p/ C% vDeepMind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。 - i! H1 P/ Y8 E' e% S
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。
- m7 R" n7 o( g# R! R' `& NCEO哈萨比斯说：
, W5 r( T* j; F Y- s+ h7 t. `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。
8 r% v4 e8 e8 O1 y7 i- W. l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。
|, y9 p5 k! {. V! w* C3 U 那么，DeepMind下一步要做什么？
7 W& O+ j% m% g9 H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。 . B0 T% e: g" D/ B
但也有人认为，这一技术非常适合应用到军事用途中。 * B: J/ H* i2 A( s1 u! U
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 ]3 D Z J1 r) U, v h
其中包含的超长序列的预测，比如天气预测、气候建模。 " d; \; }' O0 c9 H$ m3 k, f
或许对于这样的方向，最近你不会陌生。 * H/ s, T$ O( S3 H* Z0 r
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。 5 Q4 i. ?5 I1 g8 x1 p5 Q7 r
现在量子计算大突破，DeepMind AI更进一步。
% y. p- S: e3 R5 t! ]% c$ ~未来更值得期待。你说呢？ # k9 P* i% V2 q6 f9 f
One more thing
% T5 i" \( k4 y8 W3 p
+ U0 B1 t4 Q4 f, d! S3 R虽然AlphaStar战绩斐然，但有些人它还打不赢。
2 u& H4 l% i* c- o9 \# o& j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。
- O( b2 p7 _* ~" u. K: P8 e. z3 C" {' W* l" T
但人家的确有实力，现在依旧能正面刚AI。
7 L" {$ ^% i4 c0 T6 N不过，敢这样说话的高手，全球就只有一个。
: F- V# y. _& j6 c传送门+ L0 `) r0 C5 M( G: k: d
% X$ u r' ^ z# O+ N9 }
Nature论文：
) q. [3 q7 {2 t' F8 jhttps://doi.org/10.1038/s41586-019-1724-z # N8 I+ w+ Q/ s$ J* S) i9 H
论文预印版：0 @$ z$ Y7 T& @3 M5 l
https://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf
5 Y) Z C/ K# v, n# j4 [# [: s. V博客文章： 2 H% X( @; r4 Z2 i+ L9 ~
https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning $ s. Q0 @& A% f; u) J' k6 I
对战录像：! o" ?% s) s+ h8 L
https://deepmind.com/research/open-source/alphastar-resources
& G* m8 w% _4 c# F2 o— 完 —5 {3 [7 G9 j0 z2 }! r8 o7 r" T
大咖齐聚！量子位MEET大会报名开启
9 S% J3 S# J; R0 M# S/ _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~
& n9 w% o8 o k- B8 m 榜单征集！三大奖项，锁定AI Top玩家 l. ]; L# ^0 a1 a
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！
8 M" D; W% W2 W0 z1 g3 Z) p  量子位 QbitAI · 头条号签约作者 E x# K9 [8 @. d+ t, j' \5 ]: O) _' B
վ'ᴗ' ի 追踪AI技术和产品新动态. @# B) L% Q1 N
喜欢就点「在看」吧 !' T6 [- F- B L' |
: e3 V5 F+ e# a
. S! b7 ^6 U. t( H: j
! {7 `3 Z- `5 a1 C9 s% G# E$ D. A. r- J6 g. t6 ~
- L! A5 u# K) v
来源：http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=15 r4 B8 `8 i: q6 Z0 `! K$ ~: }
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
