乾明 鱼羊 栗子 发自 凹非寺
5 _ V% [- ?0 y. U) N; u) G量子位 报道 | 公众号 QbitAI! R, R, ]. L4 m8 K w" X- Z
6 F7 s! C) _( x: i2 q/ ^; z
仅剩0.2%的星际2玩家，还没有被AI碾压。
5 D. A. Z* n/ h3 c8 r3 W
* `1 p3 |; e3 \3 s& M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：
) j3 }$ A3 m3 i; ~" IAlphaStar ，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。( F1 ^8 R8 x9 l+ o. E/ z
. I1 [" x/ y" v9 }! ~6 x l' I8 {" D2 ?) [$ h
在论文里，我们还发现了特别的训练姿势：
0 l' c. T9 n( |- e3 }9 A8 }4 Y不是所有智能体都为了赢
& T, w% R" \% O& M$ J3 @* ?8 D# X4 O2 ?, a
2 | P% ^. h( sDeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：
. {6 ?- C+ v9 P9 q- \- Z* e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。4 D! Y) ~- V* E. p2 @
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 c5 @& b9 Y6 {$ `! Z! N
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。# @0 h3 G! k7 q9 h, s
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。* B: d# ~ _$ ~% f/ n% `( F) Y: ~
具体到AI的学习过程，DeepMind强调了特别的训练目标设定：
/ {/ \. [! Y/ Q不是每个智能体都追求赢面的最大化。
7 p! E1 i7 S- i% ]
$ S: J2 c4 U) f; ~: E1 \5 w; F( E3 b9 \/ 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。 : B: Y0 M2 \+ e! Q5 U
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。
5 t( S+ s; ~! I" c9 g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”。 9 U- P! y. l4 \0 o# T' c+ h
AlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。 . ^, I: q s4 W! R2 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：
' G+ r% [' s0 @9 h) q- O% c3 h. l" c* N5 h
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：
) P" `5 X5 u& i5 ~! Y7 J) x
1 N7 V5 t4 L8 X/ n$ D* W( c3 M% R8 y# \
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：# _5 o7 u8 r# g) k& g7 @
) d; t6 S2 `7 G1 t5 Z6 D4 s! X8 W, H( i8 I5 V 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：) s$ t. H' m0 n9 l" M7 j
# y+ S# g4 S- U# N/ b3 W j$ l
" K B& }; @1 F循环往复，AlphaStar变得越来越强大。
6 ]: I' H( G, l" s5 u# m1 G" j1 B
R9 Q& @$ c1 [- ^1 n' r至于算法细节，这次也完整展现了出来。
0 y J& I, d6 D) AAlphaStar技术，最完整披露6 l9 V% O# t& j* W+ J8 c
" o. s" T+ a9 f: i7 b; [. o& k
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。
- x; a$ n {7 k( r7 N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。 & `% U- W* A% Y' I- D3 Q
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。 8 }3 S' u' e% `& E8 v0 s
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! G$ ]4 j6 Q: Y) Y9 p h
, U7 s/ F! t5 r- f% M5 A& x# G3 T
AlphaStar会通过概览地图和单位列表观察游戏。 ' D: ~* a7 ~, C
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 E( b: D; H; W* [7 ]
动作会通过限制动作速率的监视层发送到游戏中。
2 O/ L. N6 k. T/ [* A+ \
# E5 N& o+ c+ P2 r* @而训练，则是通过监督学习和强化学习来完成的。
6 _1 z4 r4 Y+ g# y: X) L7 V! B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。 1 g5 \( ?) \! M3 ~9 a7 j6 I; J
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。 & q. @ ~( `$ P: i" F
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%) 。
$ U% x! U2 R/ D: ?而这个早期的智能体，就是强化学习的种子。
5 i( q4 f- s# x% b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：
9 D+ a$ ]/ \/ p6 e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。 $ u& H! d3 Q+ z9 U8 C) C, o
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。
: N1 U- m. Z1 v* m; V) w' n7 `/ D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。 . v+ `' p# b3 |$ N; 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。
6 q( i! f2 t( m/ n1 a% J) Q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。
6 x7 I5 R" Y; c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。
4 } K1 u: j8 S, Q2 L7 ?& w- u2 W+ S- I( g
# P+ ~- I( s. l% t* e% m而且，智能体的学习目标会适应环境不断改变。
0 V$ Y* K8 h1 W) u " j# k* L/ G! p' ~' V
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。 w& G, v! X2 I) q3 N
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。
9 y- C& b! W) R: G7 `2 T: o历时15年，AI制霸星际
' O+ i, S6 S+ ^ {& y, c& _
l8 G% x' A- v1 _5 u《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”。 - T# _, Y* l( N4 \( M: u
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。 6 p; C9 h5 D2 t: f u7 J
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。 3 s+ S( |4 ?6 L- B
& ]" u+ N! z/ ]8 ^; f但DeepMind的工作真正为人所知，也就是这两年的事情。
. ^5 {+ O0 u& i" J2017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。 + v) J U9 u0 E0 _- A- V
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。
8 ^/ E# \/ }1 q* w F8 F2 y. ^到今年1月，AlphaStar迎来了AlphaGo时刻。 - r! P3 O" o5 A& t( i8 w
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。 9 V5 S/ ^; p& P1 ^; u1 `
: J( F! T) y; Q1 v1 X# p
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。 9 Q0 ~, H- u' j$ G. d: V
半年后，AlphaStar再度迎来进化。
# i" b4 X c7 o8 h( X/ _, K7 YDeepMind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 k" N6 u, h- q" A
f) o% `( B2 ^2 D+ J 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。 7 F& ?! P+ p8 V: y
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。 # S0 n$ x3 O! |5 x5 ]$ L
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。 ! e5 O& y; D9 N) ?9 M; w3 ^: 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。 E6 E+ [: C9 u- g0 c7 A3 r1 V
CEO哈萨比斯说：
6 n6 Z1 A8 Q$ a! l8 _( r/ a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。' ~5 a2 o) S6 R, Z3 r9 p9 f" c, ]5 B. F# O
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。
+ P3 p! e# ?' e1 x, |. ~. J- I4 L 那么，DeepMind下一步要做什么？
3 k7 H7 p& E* m I4 {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。
' P" t: N; `$ Y$ B9 ?2 V* n但也有人认为，这一技术非常适合应用到军事用途中。 & l$ T8 Y' G0 K2 C4 `" l. r: e
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。
' H: ?/ A, a1 O9 C4 r其中包含的超长序列的预测，比如天气预测、气候建模。 4 I4 K3 r/ `7 n- g3 ]% q
或许对于这样的方向，最近你不会陌生。 - U9 `+ B( G3 W+ ^
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。 " \3 ?' [2 c7 O5 p- r7 e7 P
现在量子计算大突破，DeepMind AI更进一步。
6 Z- a9 i' H/ c+ g" K7 n# n# \$ Z5 }未来更值得期待。你说呢？ ! F& n7 \% K$ f+ V* T" X
One more thing5 a# K0 v9 i) O
# t* }0 K0 Q0 N" d9 ?) Q' [" B: K8 a4 f虽然AlphaStar战绩斐然，但有些人它还打不赢。
" w* h& p" M5 h7 G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 N/ W" U# h v1 q5 U$ d
# e4 y: \1 {3 C8 U8 v, h但人家的确有实力，现在依旧能正面刚AI。 . X, U: u# X2 [5 v) W ]" O8 P
不过，敢这样说话的高手，全球就只有一个。
! o% R( P$ G) O0 i D传送门
7 D1 V3 h j3 k3 H9 L
, w$ _( s8 y1 Q3 `( K0 g3 INature论文：
F/ ~4 s1 J6 v8 y5 {) M- d$ m+ Y5 ?https://doi.org/10.1038/s41586-019-1724-z
* E+ c% m5 T$ Q" }3 O6 ^论文预印版：" |! `& j% `' I0 P
https://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf
) `8 h, E$ m0 `" f1 b5 c博客文章： ( t3 @1 m" `1 ?9 W$ k5 R5 D# g6 p
https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning ( q" {$ _( }' d( _$ s
对战录像：
: S# z; {. M8 _0 ^https://deepmind.com/research/open-source/alphastar-resources
, n4 L# k: ^6 Y$ K8 ^— 完 —
' L* P1 p) [9 _( C% v* \大咖齐聚！量子位MEET大会报名开启- C' q& `. J+ _
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~
& U0 T7 C) m' x5 i4 `5 y 榜单征集！三大奖项，锁定AI Top玩家
. _* |/ H! ^8 S4 p0 X) L3 F- X2019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！
3 w( o5 D3 |3 j  量子位 QbitAI · 头条号签约作者
- T) m4 _7 {4 |3 Zվ'ᴗ' ի 追踪AI技术和产品新动态
' ?8 \; e' `5 ?2 ]7 \' ^" p喜欢就点「在看」吧 !
2 {4 g5 j" A2 l- a) ?! U' m% l: B
w* p: P/ K" S: ?7 z9 s! p' l5 z0 K3 J! l. ]7 I3 N
0 F0 C6 y! A7 ^& f, y1 ^) M2 E3 v+ A, u+ Y* q3 U5 k c
. J( E9 c0 O# e# D# a来源：http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1: }+ N+ O* o; }: U/ [) R7 R8 y
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
