乾明 鱼羊 栗子 发自 凹非寺 ! ~! b1 j* t, n, x% \
量子位 报道 | 公众号 QbitAI1 z$ X/ o0 C& s( p! N9 [/ G3 ~
# h# s- M) s$ e9 A' T
仅剩0.2%的星际2玩家，还没有被AI碾压。" O% T' f2 @4 L( {2 W: p
) D8 s, K. w% v3 F0 ]3 c& u7 A, V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：
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。- j* V5 [3 r* Z7 V6 Z" \+ d1 A
, T3 z3 W+ B; y' J4 S' R
& R* Z+ ^* p& `8 F: g0 K5 w在论文里，我们还发现了特别的训练姿势： - w. i7 {1 g+ e4 e3 `
不是所有智能体都为了赢. V: G( D6 j; h9 P1 C) e
' \' P" b$ O; j4 h. i5 w
DeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：
/ ~) Z3 m( t \5 f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。 E* Y7 V1 h1 P. [2 U( l0 T
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。
6 y% T4 \. b8 j1 e# r0 }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。" w0 J+ Y- H" F1 h1 A1 H* y
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。
4 K5 \4 F, b. ?$ X. Q% | 具体到AI的学习过程，DeepMind强调了特别的训练目标设定：
5 B3 C P0 }; J, w不是每个智能体都追求赢面的最大化。 5 f: ?8 x, p7 F0 Y) T& h/ y- }
3 U& w- ?* ^ [' c ^7 A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。
* e V; T6 Q) _ I4 o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。 * @( n4 G8 y: x+ @0 W" X' Y
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”。
; V# B) ~: Y0 Z' ^" Z. P; h: bAlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。 - R }) _& T/ W+ z2 i
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： ) H! ~' e& \& p* n' [
5 v9 Z3 g4 s/ D) E) [" B- k7 L1 {* F/ z
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：2 t6 E, H" E( @3 w) r
' X1 H* r- Z6 P
8 b3 b4 D2 ^2 c- w$ \
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：
& n8 l3 J, i! n/ ~ 3 ?' q- v: ^+ V" N8 w' ]
( D; b* D& w; _3 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： x* y! }& z+ q6 J
% N# Z/ o- a2 x M2 R) }7 ]" V: ?; D3 \) U) o& A' q
循环往复，AlphaStar变得越来越强大。
" {' E( k, `# n7 S : E8 M- |8 o# V2 m0 ^% U H& g; F2 S
至于算法细节，这次也完整展现了出来。 + g6 K7 _' G( V
AlphaStar技术，最完整披露
) r8 ], H. W7 A* u8 ?1 Q$ J( J: |* V9 b% { l" I9 d) b
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。 3 w( [, c3 ~( Q+ s- K0 J) 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。 / S- K' U9 K' }' a9 k
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。
! ^. _' Y) A4 i& I: f% d& @3 E0 TAlphaStar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。
. i" Y: w- A4 J" L
9 t. K3 G; g/ g: c: ?! p+ v: eAlphaStar会通过概览地图和单位列表观察游戏。 * ^; X0 u" C3 ~- }
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。 ' P) S% q) P" Z
动作会通过限制动作速率的监视层发送到游戏中。
; f3 T& Y. L8 E% |- m; y6 \' ~ ~( ~0 b/ @9 R* a$ ?* J/ i
而训练，则是通过监督学习和强化学习来完成的。
. @2 t. y- q7 R# P8 t0 A# Y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。 6 o; O& S! ]5 ^
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。
) L/ `9 U$ Y7 o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%) 。
6 R6 I( {- n+ H8 F而这个早期的智能体，就是强化学习的种子。 6 ^* R4 L% p/ B8 A
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： & `0 @- G0 m! I& o& Y, 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。 0 H. h) F) F7 x, S P; r- ]
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。
5 s. G7 ]# f" M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。 - w: t. M0 i; U: 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。
, E$ V( A' ~: 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。
" W5 f7 s, |0 M, d0 _2 b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。
+ R/ }4 {4 N# U( I, G
& j9 {# l3 G: D9 p; Z$ O! q" |9 [5 Y' E0 K, G, H. b
而且，智能体的学习目标会适应环境不断改变。1 t5 Y; F/ r: Y I2 e
; u: [6 y0 `. R; v: T
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。
3 j: z6 c( C' ?9 i: |8 J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。
" r( S% [, z' a. h: M+ M历时15年，AI制霸星际) K$ ]* r% j3 A
$ q9 n& m# E# z% F; c《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”。 g7 }* W6 W& R2 E
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。
b( [# t3 `: }7 ^) Z8 B6 N! b) RDeepMind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。
$ z V; }) c; W( }2 W4 v5 s( A1 P5 M& I5 ]! x
但DeepMind的工作真正为人所知，也就是这两年的事情。 + b5 w+ k4 k; t' Q0 T+ M- x
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。 C% N+ A) _0 m& _
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。 4 V) h8 |0 G9 c* v
到今年1月，AlphaStar迎来了AlphaGo时刻。
( {$ O" ~+ A+ [; B& [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。
4 ~+ y# R' G$ F5 q0 G( M" J) w/ p: l) {& p0 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。
! k" U; H0 {3 t8 b: a半年后，AlphaStar再度迎来进化。 * ~! o+ b) O6 e6 G/ R# w6 u
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。 ; H d( d% B% D9 c( w5 E0 Q2 G. S$ [
# r# |8 n' G8 n- d2 @. w% q7 b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。 + k( Q6 Q. L- L& ~
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。 2 h& {; m/ O; _% ?
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。
! l+ f; t* @7 P4 i0 z, V! N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。 5 d4 Z& M) {8 g( U/ ?8 G
CEO哈萨比斯说：
/ ~. a3 \6 q' P4 S* I; V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 ]6 S6 J) V7 [4 `& I+ k& y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。+ f7 z- w; ^5 x: P P9 M8 i
那么，DeepMind下一步要做什么？ ! t0 i; p4 r7 c3 o- o, P
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。
: o. ~& M& X! v l3 `- t5 s但也有人认为，这一技术非常适合应用到军事用途中。 4 |3 b, p. G' N" f. U) X7 n
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。
: Y. M' \8 W/ t其中包含的超长序列的预测，比如天气预测、气候建模。 7 X2 g5 _, f1 Y
或许对于这样的方向，最近你不会陌生。
2 _; B( D& m' w5 e' r, y) B+ 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。
5 f" y% ]; a. M# w5 [. u现在量子计算大突破，DeepMind AI更进一步。
/ ~* A$ H) ~8 o _+ T5 P* V; |0 |未来更值得期待。你说呢？
) r: d- R+ h Z/ O+ j6 M/ g1 XOne more thing# x0 h& |& i1 ]+ N1 P9 s( B
0 N8 p1 ]& q% {. ~
虽然AlphaStar战绩斐然，但有些人它还打不赢。
) R% t6 B5 K; w1 U' E" s5 G# 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。 8 m! Y5 l6 v* ^3 N# [$ i+ S
+ x- X* O* H& F: a! c. d# k但人家的确有实力，现在依旧能正面刚AI。
! s% T& F0 M6 \5 x/ [6 Q0 p# i* f不过，敢这样说话的高手，全球就只有一个。 _% s9 R4 n, h; \0 V+ z- E1 i
传送门% F, l [* b0 g
, l4 V. x" b `9 XNature论文：
% Z7 s6 R+ i4 B; @* U, bhttps://doi.org/10.1038/s41586-019-1724-z 9 C |+ G7 _! s3 E! M1 }
论文预印版：. u4 Y. g$ o* Q% t
https://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf
; X0 R' H# Y$ t* u, G, w- Q博客文章：
+ w4 j1 K6 Y' j0 @/ Y1 ^ \6 `, Lhttps://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning e" o0 K) Z" y1 k
对战录像：, g5 L Q" I6 J+ B7 l7 @
https://deepmind.com/research/open-source/alphastar-resources
+ Y, e4 A$ u, y! E; Q- a7 g— 完 —& t; p! N6 A9 Q; K1 _( M+ I
大咖齐聚！量子位MEET大会报名开启
% I N- C/ o: v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~ b/ P1 P _! f3 c% K# |$ o
 榜单征集！三大奖项，锁定AI Top玩家2 x1 j2 _! ^2 E& Z
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！% _7 t2 L! T, w ]6 {* X
  量子位 QbitAI · 头条号签约作者 `2 } ?6 h' P( E
վ'ᴗ' ի 追踪AI技术和产品新动态
% V/ W5 t: R9 F7 l8 c1 b: c喜欢就点「在看」吧 !6 t1 I/ g6 Q: l5 z3 X" A& `+ D
4 p' z: q9 a' P) W0 Y% A7 c6 h+ A6 I7 E" j5 d# A U
; j, A/ m4 L' d4 j; f" i% i E: U5 P7 k! V2 |5 \+ m
* V9 H0 U" D! `/ U, G2 K7 Y
来源：http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1* M0 i" }+ q: e; Z* c7 @
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！ | 
/6 
|手机版|小黑屋|梦想之都-俊月星空
( 粤ICP备18056059号 )
发表于 2019-10-31 16:23:08
