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 
量子位 报道 | 公众号 QbitAI
; p2 l6 K5 J7 t; t2 @4 n" G

仅剩0.2%的星际2玩家，还没有被AI碾压。

( \3 S9 \5 ]) N# j& x5 s1 `; I/ s

这是匿名混入天梯的

AlphaStar

，交出的最新成绩单。

" }1 s( b% n: q- {( G

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。
0 Y+ N! i! D; ?; }+ i2 W

7 {2 C" c% d. J" ~

在论文里，我们还发现了特别的训练姿势：

不是所有智能体都为了赢

% H1 Z7 I) N! Z' G! b+ u

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

; G! v0 p4 e) W: d

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。
+ s  ]+ C9 u2 w! p- Q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。

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。

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。

: J4 D( j; G3 g( ^9 p; h4 `# m' `% s

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。

4 W- u5 v3 K$ D2 S; o" t. u# W* [9 Z

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”。

AlphaStar学到的各种复杂策略，都是在这样的过程中修炼得来的。

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：

* u) b1 e: R: n; V

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：

, @3 z4 o; Q& Z" z

7 w6 K' T4 e# b! Y+ E2 _* D

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：
  U- ]4 b0 I( |8 ~: X

6 _* O* R) {% ^+ Q& L4 Q

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：

8 S" x6 b" J2 C" o- ^( B+ N$ f  s

循环往复，AlphaStar变得越来越强大。

至于算法细节，这次也完整展现了出来。

AlphaStar技术，最完整披露

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。

/ c1 d: s3 O3 k7 u8 I0 \! t6 @7 a, |5 w

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。

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。

# l4 s3 ~; q; ?& U5 e" @# \

  s5 a1 |' v& M( l2 s

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。

动作会通过限制动作速率的监视层发送到游戏中。

) @$ F" X" f9 f+ [

而训练，则是通过监督学习和强化学习来完成的。

3 E+ l8 ?' O/ J# _$ 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。

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/ i, {" u8 @+ L9 q5 }8 j' N

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%) 。

  T* P  X8 I& @2 H, S- \

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。

  T3 \' g: p  R; i! ]

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。

; L. V; b5 _' Y+ `& f8 c4 e- N, o8 W$ N

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。

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。

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。

/ U' x7 O* m3 y  x8 z4 j" Y

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。

△

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。
2 c" Y3 Z/ R0 }

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。

9 E  N' b* K" `6 s. A* L# X- |

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。

历时15年，AI制霸星际

《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”。

* [  R/ k/ q  i0 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。

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。

( X* f" Q, `/ _, _. b( u

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。

2 {, f- t' Q# q

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。

: Q, j0 E2 U. N" s8 s& Q

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。

半年后，AlphaStar再度迎来进化。

3 s, u2 i9 P4 h% Z. u  B$ s

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。

4 m0 a7 x2 H1 c- d6 E" ~9 u

: d8 K* i" r4 }: }- G+ V& v

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。

0 Q1 N4 @$ t9 C5 W! ]

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。

1 n2 t  u2 Z. b+ g# O) d

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。

( r2 v. {6 M+ Q  _

CEO哈萨比斯说：

6 [, X% R% W% w' `+ c, ^

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。
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。
, x. M0 a% y& V5 u& Z+ H: h3 ~

那么，DeepMind下一步要做什么？

# S1 P7 y) x4 a

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。

但也有人认为，这一技术非常适合应用到军事用途中。

$ _* }) u# v- A9 Q+ r/ J1 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。

$ N- ~. H9 E& z8 ?; ~

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。

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。

现在量子计算大突破，DeepMind AI更进一步。

; G9 q! L2 T5 \+ A' l$ y

未来更值得期待。你说呢？

One more thing
( W8 @  L, [. s

虽然AlphaStar战绩斐然，但有些人它还打不赢。

$ m9 [7 o8 V$ f

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 H3 Y! y0 O4 e& w! ]

但人家的确有实力，现在依旧能正面刚AI。

' k& S2 Y) v/ x8 e5 ?0 K4 N! {5 ?

不过，敢这样说话的高手，全球就只有一个。

% r( E9 g: n" P4 F! T7 ?, I# O传送门
6 |( J0 Z6 [  H/ h$ g& A

Nature论文：
https://doi.org/10.1038/s41586-019-1724-z

论文预印版：
3 W% d: B) ^* r$ p8 B7 qhttps://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf

5 {# t2 E, W, u" P; Z

博客文章：

, F/ k6 j8 p5 A; Z/ m5 e; D$ c! q

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

对战录像：
* l; _* G* E& E5 r# Yhttps://deepmind.com/research/open-source/alphastar-resources

) J9 u/ _' i4 ?8 S— 完 —
2 [8 x; X  z* p8 e- F) A1 o大咖齐聚！量子位MEET大会报名开启
/ h3 `; M% u1 Q, d$ O6 u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~
0 V( B' f) o2 U榜单征集！三大奖项，锁定AI Top玩家
+ e- c1 J) D+ E2019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！
9 @1 c1 Y% L, H# |7 o, W+ K, d+ X" ~量子位 QbitAI · 头条号签约作者
* Q# D. S' R+ m) c0 aվ'ᴗ' ի 追踪AI技术和产品新动态
" J5 t/ M8 [) g5 H& H: M喜欢就点「在看」吧 !
5 t# J' [$ ~' W8 V




$ G& l% y. S/ N) L6 _) \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！