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 
" j: a, c4 D" K& Z# x5 u量子位 报道 | 公众号 QbitAI
# q6 G9 |$ i. V( U
/ @. h5 q% C, G& _+ u; u/ F, ~

仅剩0.2%的星际2玩家，还没有被AI碾压。

这是匿名混入天梯的

AlphaStar

，交出的最新成绩单。

同时，DeepMind也在

Nature

上

完整披露了AlphaStar的当前战力和全套技术：

8 j9 p$ n0 [& V; ]

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。
: F; e; ~! x) R. d: o: X: c. J

1 C- K( H2 U3 w5 f* {

在论文里，我们还发现了特别的训练姿势：

7 i. X; {5 X2 w7 X9 J4 z不是所有智能体都为了赢

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

- I  _5 p8 [/ T% ?  t2 Y5 g

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。
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。
9 J* D6 Y5 u" h8 S5 N8 @8 @

具体到AI的学习过程，DeepMind强调了特别的训练目标设定：

不是每个智能体都追求赢面的最大化。

/ a+ F+ u4 A$ L* U- L

) R% e; c, n9 I2 k5 m) Z" |( e

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。

: R1 T; H( h- @# W* ~

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。

9 q* y# I' B& G: `# F

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”。

# u. I1 V" o3 j' D

AlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。

" G, g7 z/ v6 k% N& c- U8 p: n

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：

+ _0 N8 {8 X3 Q9 C- S0 o& }. I+ F& \

& V( R  g6 r: @2 {/ |

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：
+ m) j! G9 V- z# g  W9 H

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：
0 Q5 G$ |, M3 Y' x

7 h: d, `9 A5 n9 g: }$ M0 c0 M

4 B" i2 F% E' h$ R' 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：

  u; @- b/ S: u! S7 ?( ^

循环往复，AlphaStar变得越来越强大。

  Y. P6 r; ]. |+ ]* q6 t: l: `9 e

至于算法细节，这次也完整展现了出来。

AlphaStar技术，最完整披露
# N. |# y+ W* J4 r' Z

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。

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。

8 ^/ [* U& I( e5 ]4 u5 ?" ?1 _

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。

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。

6 l8 P/ i* @) ]2 N, {4 _2 j" N

: u; }. a- @+ Y8 m; g3 B

AlphaStar会通过概览地图和单位列表观察游戏。

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。

' z( g: A% M! }  r7 Y7 j

动作会通过限制动作速率的监视层发送到游戏中。

3 R  a! H% y) X* }0 D! ~/ y" T  d; D2 C9 d

% w/ N1 B3 N0 ]" w& J  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。

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%) 。

1 u; y% I( D  ^6 b- `  j

而这个早期的智能体，就是强化学习的种子。

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：

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。

2 S$ \. n7 o. ]1 S2 T

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。

- @% [: C4 y4 \$ I

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。

7 z: A* T8 N9 z+ V- U, ?8 p

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。

# B  D+ e  ~% g1 V

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。

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。

$ J( ~* ?- V5 s0 w5 z

△

联盟训练的鲁棒性

而且，智能体的学习目标会适应环境不断改变。
$ n6 v2 M* J) }* N

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。

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。

% g: Z8 F: w; x历时15年，AI制霸星际

7 C9 I% q3 }6 }0 J7 c4 ]

《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。

9 K0 K, l0 I& W, ]) ?& S

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。

但DeepMind的工作真正为人所知，也就是这两年的事情。

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。

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。

到今年1月，AlphaStar迎来了AlphaGo时刻。

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。

5 j5 ~- r$ ?$ F1 ?, T8 o

% G/ l8 \" v3 K+ R& 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。

2 ]6 E' u& v% X$ m& J4 v8 p; x! o

半年后，AlphaStar再度迎来进化。

5 P3 s- U5 k( Z. |- ^

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。

# M* E; F" I- w0 V1 T* b, F+ N; a8 G

: R/ f* d# h+ [; M+ g9 C

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。

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。

( `+ u7 f2 V, t

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。

! U0 O* Y; Y  i6 ^% I& v7 Q

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。
% K' Z% W+ F, t, Z# H; F+ m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。

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。

7 ?5 f, v; |! c7 q- b2 L+ I" U

但也有人认为，这一技术非常适合应用到军事用途中。

. U- ]. W5 ~' j% Z4 |" J- o3 B6 [

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。

其中包含的超长序列的预测，比如天气预测、气候建模。

或许对于这样的方向，最近你不会陌生。

3 H" x! r0 H6 J: c5 |& R6 U  F6 j

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。

8 N: K. w6 F  B; x# Q* U& R

现在量子计算大突破，DeepMind AI更进一步。

$ @/ P- n) P# c" T  W

未来更值得期待。你说呢？

% c, O" \* t$ o) F1 m9 Y" MOne more thing

1 H! ^( A6 U0 `) I# t& O$ d- E

虽然AlphaStar战绩斐然，但有些人它还打不赢。

- n& N. ^& R1 ]5 c1 A5 f! T

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。

+ @/ c( ]. n: V) o: u/ C

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

Nature论文：
: o1 z6 O0 n  v1 w3 o! `https://doi.org/10.1038/s41586-019-1724-z

- P% z2 c- g9 k/ l

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

3 H* @: M5 d8 a% H+ y3 U2 r! r

博客文章：

2 m0 a- _5 [5 f; P' D

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

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

— 完 —
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~
- {# e+ \. L* P. T& R( V, n榜单征集！三大奖项，锁定AI Top玩家
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！
量子位 QbitAI · 头条号签约作者
0 q& N  G' I, s8 Wվ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !

- V$ V. K' _4 P
$ {7 j5 s$ d0 z% b% b

& C$ U# J9 \# N0 H+ O
. A' |' w' g7 ]" ]3 p来源：http://mp.weixin.qq.com/s?src=11&timestamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1
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！