乾明 鱼羊 栗子 发自 凹非寺 ; k9 K2 f. @& {# G4 n! v
量子位 报道 | 公众号 QbitAI
. c1 J" Q G0 f- x% p: p9 i& v
1 L; j/ F3 L4 j( b仅剩0.2%的星际2玩家，还没有被AI碾压。/ X1 T2 [/ K2 O( ^ V. Z( }
( W6 e7 |( ]) G. B, [
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：
' {6 D) S1 k0 h3 h; D" ?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。
8 o: |# d! f" k4 @& p6 U* m! v% M0 `( V
' U6 {) |, E9 P' F/ X |- r) S3 E: I: W0 t& [. s
在论文里，我们还发现了特别的训练姿势：
3 \; \: s: U1 @+ Y不是所有智能体都为了赢, c' D8 X" `% h0 J8 x' y$ P6 _# g9 A
1 L' j P5 ^" |- n; g) g3 W
DeepMind在博客里说，发表在Nature上的AlphaStar有四大主要更新：
2 Z; v9 O9 l0 U4 p3 j" T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。$ s4 ]2 B5 R2 m6 @
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。% G$ [! J* f' c) T) l$ R7 T
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。2 e" f% l: m' I E
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 ~+ p$ `' G- M9 m3 m 具体到AI的学习过程，DeepMind强调了特别的训练目标设定：
/ ]7 R0 B$ F. R; i2 m' h不是每个智能体都追求赢面的最大化。 + G% z5 o7 e$ A0 P, v% W
8 O7 s4 L0 W$ [6 K+ |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。 ! y( ^% ` f# Q7 r- r3 A" ]
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。 7 a5 S6 y) }# C2 T3 h: [0 V
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”。 - d2 [. p% C2 U, 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。 ' @2 [, H) U. V5 @! M# K/ x
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：
4 q/ {1 \9 R l. L/ o+ @- D! ~0 u$ @, C0 T
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：
; R1 B$ w) {, a, V
9 r( v1 X3 n2 \; P K$ N# E5 ?' Y' i( p3 j! t
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 Y% h/ _1 c q! ~ * L, l- C* R2 A% b4 A
! ?. |- V8 W7 f+ s. ~, L% v
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：# N4 f: t2 B/ F3 O
. Y) R7 }. V' W( [
2 X( a7 U! ^/ r Q! U# [' ]+ l
循环往复，AlphaStar变得越来越强大。
; G* B7 P' g( w* ~- F6 e5 P
* U7 `0 t4 }* I' C4 u至于算法细节，这次也完整展现了出来。
; c; T! {9 W uAlphaStar技术，最完整披露
( O) u; Z8 C9 V8 A7 |
) Y! E5 N- q" B+ m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。 * \# m0 A3 ?: ^% j3 k1 h
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。 % C/ l; z1 ^- e& U+ v) 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。 4 @- x" w$ m% r, F4 i! ^
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。 / l& A* V1 o. u4 K
" X/ b2 c1 x8 `( }$ E. GAlphaStar会通过概览地图和单位列表观察游戏。 + ]# S7 V2 _! J: ?5 `
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。
6 W' c3 t! B. R9 i6 o; C4 d动作会通过限制动作速率的监视层发送到游戏中。 ! }3 F4 G8 u" M/ t
. b0 A5 |$ {% _) L
而训练，则是通过监督学习和强化学习来完成的。 & ` d' w* c% n8 D
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。 ( h" s, m- \$ ~: \9 }
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。
8 Z( C6 o$ c( P6 y4 k4 h! \- O: z5 p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%) 。
S0 d. t. \8 ~4 b而这个早期的智能体，就是强化学习的种子。 ; N! `2 r; p) R" ^0 ?. @* V
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： ' p1 M/ Z4 e' c* d) `$ ^
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。
} w# B8 b" T3 p- d# `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。
% O) n* C8 x% T, y0 L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。 * a3 F$ E) e+ `+ j- A% 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。 . |& p! N# O {' P6 u
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。 8 j, Y% [7 j. L/ d6 A
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。
: m; O! A9 u, ^: T! W# j E; A# I
7 g! N# o/ ?- `7 t, b( A) ?% t) d1 {5 G" a, a( M3 B
而且，智能体的学习目标会适应环境不断改变。
7 f. S# u8 U' F% _% F) H* b* Y
" H5 O, P& B( C+ ?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。
5 h$ |6 A5 c2 K1 T, p1 g) ~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。
7 G9 `, j6 f: t' d3 q% o历时15年，AI制霸星际
; h3 l. Q5 f& c( G4 \# H! [, V2 L, h3 b" i" @1 q4 s8 F- s
《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”。
/ @7 t$ O- x% q0 z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。
# V8 Q& F5 Z$ x! y" {' o' FDeepMind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 R. s( M5 M2 A& a
5 o; ^$ ^/ ~9 I" P* k+ I4 ?但DeepMind的工作真正为人所知，也就是这两年的事情。
" w: { y$ S( Z# N; P+ m+ j; Q, l( J( T7 c2017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。 x: [; L2 {6 d& a4 A
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。 3 t) k" Y+ q: w
到今年1月，AlphaStar迎来了AlphaGo时刻。
3 g/ v( R" w. l- W" @8 M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 J8 o4 Q/ D! {0 o# }; Y; p
) X( L8 [$ {! z' m8 j7 J% Y, W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。
: I0 z* ]! K* M4 W半年后，AlphaStar再度迎来进化。
' y; G2 Y3 w9 c2 [7 w- UDeepMind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。
+ B/ L! y* I0 @* ^$ {! ~2 d; r4 E, }
* w$ E, P' e7 r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 O# Y9 \" E) `7 ~( x* H$ S6 A
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。 + {. c( d3 ^/ O+ c7 F4 ~
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。 : V$ r3 U2 W1 {9 O j" t/ d3 w; x1 |2 H
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。
- Y9 `% p' d6 t l. eCEO哈萨比斯说： % t: Q2 r. L L: e% X
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。/ |1 A) O5 p+ ]) ~9 ~: B/ N4 C: K
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。% L |! R* t$ r4 x/ m0 [/ A
那么，DeepMind下一步要做什么？
5 k( b% m) G* Z- G* |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。
q3 t8 b7 W* l1 f5 e! J( F" x但也有人认为，这一技术非常适合应用到军事用途中。
* v) _6 U9 y G9 v7 E! 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 K- _- [- [! k/ p其中包含的超长序列的预测，比如天气预测、气候建模。
9 {- c, ]& Z: {0 N' v, v3 B Z或许对于这样的方向，最近你不会陌生。 8 A+ i' p! H! E
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 C" P$ K w$ i现在量子计算大突破，DeepMind AI更进一步。 ! F6 ~. g2 B/ F: t% |% j
未来更值得期待。你说呢？ ; @. H2 l9 e- T/ Y6 |7 v1 A1 N( U
One more thing
) u# ^0 I( y5 s3 p! K0 o
3 f0 u2 ^" Z3 }- F" V- E/ a虽然AlphaStar战绩斐然，但有些人它还打不赢。
% V2 _/ ~. R$ ~4 h" {# {8 g$ k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。
7 s' A# w/ J4 i9 f& H
5 D+ n) m/ g/ D# w' v5 X, @但人家的确有实力，现在依旧能正面刚AI。
. b, D* W# H& M不过，敢这样说话的高手，全球就只有一个。 1 k# x) L( t8 M/ a3 s5 c8 A
传送门
% y- f; a$ L% g, n3 W* ]9 G; K }, P+ z4 k- V! ^9 N
Nature论文：
5 V* _3 I: p- q2 F9 O% R* \https://doi.org/10.1038/s41586-019-1724-z
! g4 `5 n0 O' M: x) [* @论文预印版：
' @. T9 w1 p4 I1 ?7 Yhttps://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf 7 `; `. `8 w; z, C+ @# b1 T0 s
博客文章： 2 p& q! K# Q/ p6 Y$ e F% K* t
https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning
2 j+ j" \' A$ T' C/ w对战录像：
! q3 P# W2 C/ i5 `https://deepmind.com/research/open-source/alphastar-resources 2 n, c% R& B5 x+ ?& q( J
— 完 —5 s5 Z( k# j' W$ L) u! a
大咖齐聚！量子位MEET大会报名开启# }9 t4 i5 S8 Q" Z9 B
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~3 w7 u8 K0 m, _8 j% s
 榜单征集！三大奖项，锁定AI Top玩家# ^4 k! [5 A" f0 a2 Y, y8 d
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！
5 W6 D$ P' s8 x- f9 B# J* r0 K  量子位 QbitAI · 头条号签约作者
& `: \- G0 R1 G/ V# E3 _" sվ'ᴗ' ի 追踪AI技术和产品新动态
. s" ~' B1 W: B# S+ j喜欢就点「在看」吧 !
/ \% ?: S+ D5 d- ~* \* g
" G L) |$ c1 x
3 U! q+ J; l+ K) |* ^ t* }/ d4 x* ]$ f1 F6 k2 X$ E! Y
f( ^8 l( \* H G; G* Z7 Q0 d# \/ F2 Q" M( n
来源：http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1
: f) B7 a4 f! ]5 K8 a$ p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
