乾明 鱼羊 栗子 发自 凹非寺 9 Z5 k' c% k- [ r
量子位 报道 | 公众号 QbitAI; w+ @* I# t# j0 ]& [# j
: _' {7 x4 t, A& a2 m0 ?& ~
仅剩0.2%的星际2玩家,还没有被AI碾压。
3 y. m' }) F2 y3 `: U * e& Z% x: H2 t# E0 ?
这是匿名混入天梯的AlphaStar ,交出的最新成绩单。 7 d6 l( D. {$ H( u: }
同时,DeepMind也在 Nature上 完整披露了AlphaStar的当前战力和全套技术:
, j) P6 A! i( y' n% P, r7 a3 V! EAlphaStar ,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。
; ?7 h5 s* U/ `0 D5 i# p
% C7 U* o8 L" H1 b c3 \. }
4 c4 C* u# w" ?6 h" ?* \+ t; z在论文里,我们还发现了特别的训练姿势:
0 }' P. n8 T3 B2 H9 b- a不是所有智能体都为了赢7 j: h7 ~. X' r" Z# \ T8 A. M. z
$ w& m0 s" ^ C1 R
DeepMind在博客里说,发表在Nature上的AlphaStar有四大主要更新: " ~! K. }7 R, x. U* D2 Q/ L& |7 J
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。
9 F6 p- P; A: y7 G5 A. H3 ]0 j" O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。
; `* k0 |1 m* U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。
& E7 {% j. j2 @! h& _5 J% \4 K' [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。7 }9 g4 y- V0 T+ t y' G+ g& ]; d
具体到AI的学习过程,DeepMind强调了特别的训练目标设定:
N, A4 `' W2 L" k- n. P0 N4 H8 B不是每个智能体都追求赢面的最大化。
9 g2 X4 r) v) k& i3 S
9 w4 c% s3 U0 e; R1 {8 Z5 ?( w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。
) I9 ]: e) [2 Y- p( ?, U$ n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。 2 S/ O; F, W3 b4 {! n
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”。
% a! s7 M1 F% M# s3 L& p" O6 r t4 LAlphaStar学到的各种复杂策略,都是在这样的过程中修炼得来的。
9 U3 A9 d! J1 ~5 q+ h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: 5 X& J# z/ l, V4 l4 z2 @
) h' c O H: @' \" M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:( W4 |. j/ t" @
, U! n; c+ M' I7 C
; }& C' K8 t9 R, i4 u4 n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:
3 A, p: e9 C( i6 c! z5 I: w 4 a9 d' B2 \% u) A; {
2 O4 n" o# b$ c/ n
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:
* [" n! D6 h% d$ @5 O& Y 6 u" l4 Z; N) k+ g
' Y/ G& c, q1 e( H% Y- r$ i7 X0 ]+ r循环往复,AlphaStar变得越来越强大。
0 O% m) K8 h) t ; i _1 w, M& p! s
至于算法细节,这次也完整展现了出来。 , B7 ?' @# {) v
AlphaStar技术,最完整披露
: D# V7 p. c: s& S( u5 E& _% d0 A( ]$ U" h$ l, `0 K1 |% d) p
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。
( z& c" F @- Z0 D5 z0 @( L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。
2 M7 w( f9 d( `2 X C0 _" i7 Y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。
+ @( S+ ?, u4 [& c7 M! Z6 ?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。
. z/ [$ O! H& X X; z2 I e) t( c' U& q( ?7 z
AlphaStar会通过概览地图和单位列表观察游戏。
; s9 N: U# ?% m4 U' |3 d5 A, P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。 5 r/ G: b* S$ I7 ?( L; t
动作会通过限制动作速率的监视层发送到游戏中。 9 W+ u' S( u8 v) C b
" i- A' R4 G" v3 E( K而训练,则是通过监督学习和强化学习来完成的。 & _# I2 u, p2 w8 _. |
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。 $ g; b. d/ f! O) x& n1 D
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。
$ W; v/ H' I, q2 y4 L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%) 。
. G0 U0 f5 u; n9 H% T而这个早期的智能体,就是强化学习的种子。 ; e( K! t2 p. \
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:
1 v( Q& }) d* R1 _5 P# C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。 ; Z( Y c0 C. G1 q. }6 h
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。 8 f9 X6 o8 k7 g* r% K B' ?
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" s3 Y Y5 ~7 R( P7 n' t! H% s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。
- H, X! u, J7 F8 s$ I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。 0 U0 i( i* m" h c- Q
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。
7 D8 g5 J# \5 S. j) `5 d% Z; ~' w: [: C
/ K2 R3 B9 z( v2 p* {而且,智能体的学习目标会适应环境不断改变。. K4 f: q# ~" n( r2 T; ~
- B- ~9 M0 O9 n+ j; A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 i: n, a; O7 V
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。
( c0 Q9 { M0 x6 k X' m; a- T历时15年,AI制霸星际
) ]8 y# `/ Z, J( H, c: J
9 u- z9 b. Y! A" @9 ]4 n* 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”。 8 G& _% w( J9 o) v1 `$ a: _- j7 h" P
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。 - [( w, ^4 a' O5 v J) N, V) V
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。
$ V2 f: H' J( x$ x- I
2 n& t! B4 B7 l; |* |3 K但DeepMind的工作真正为人所知,也就是这两年的事情。
2 c( v* R; q4 L9 ]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。 ) ]* s$ Z% K# |& u" S
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。
; W4 E. M: G* T5 b/ G% E# F到今年1月,AlphaStar迎来了AlphaGo时刻。
0 @. j2 y) K8 F6 d0 i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。 + k1 [ Y8 N s
0 l. l+ ^7 B2 V
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。 4 g" n; |8 o/ W' U. r! Y* C# @
半年后,AlphaStar再度迎来进化。 $ T8 f) U9 e5 @3 N' v
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。
* j) O6 o% v6 G) b5 U @
- V6 r/ k; ?5 b! P" O$ @. @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。 ! c" c$ v) }8 E1 t& C) \# t4 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。 6 g4 A: ^3 R/ Z O6 r; n
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。
' Y v6 N% V I1 r# O# J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。
$ t# h3 o$ c! z" v1 F; Z4 dCEO哈萨比斯说: 6 l" f* E9 H* e) y6 q& 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。; [% [$ x$ ]# O" F' l0 D, P! q
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。/ z6 v- N# ~1 W* Y0 K& Q: M
那么,DeepMind下一步要做什么?
. r& D* S: q: s$ W8 s" x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。
) {1 f# Z* I/ H2 s7 z6 O但也有人认为,这一技术非常适合应用到军事用途中。 + `" h4 c* Y) ~. ]0 [0 _' a
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。 7 ~+ J3 O6 S4 q
其中包含的超长序列的预测,比如天气预测、气候建模。 5 {7 }9 C0 m% v
或许对于这样的方向,最近你不会陌生。 7 c3 S* a; k& Z. ]; k' j0 G
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。 1 U9 T* m& o G& q/ ^. d
现在量子计算大突破,DeepMind AI更进一步。
9 a1 W! H g: E) I( H; P9 x未来更值得期待。你说呢? 5 I# O9 `- i+ I) A L/ W
One more thing
" [& G- E- X6 I, p$ k k( u8 H0 d- z' \
虽然AlphaStar战绩斐然,但有些人它还打不赢。 - }3 C0 U/ a6 P
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。
$ d- _+ Y3 f- n: I% U
4 F4 ?; U7 K5 ~, k0 }但人家的确有实力,现在依旧能正面刚AI。
* ]; R3 a* O+ l不过,敢这样说话的高手,全球就只有一个。
" l2 B F" X& f S4 }传送门
! {! o) p# o! X$ |9 F( m% v D4 s$ j" s1 v
Nature论文:( M- f/ g; `3 h9 _
https://doi.org/10.1038/s41586-019-1724-z & Y& @3 b$ v: I
论文预印版:- M9 {; A9 A$ m% N* ?3 S, p$ f4 }
https://storage.googleapis.com/deepmind-media/research/alphastar/AlphaStar_unformatted.pdf ; F) t" g6 f& ]+ r: ?- H
博客文章:
6 ?, S3 v4 m6 f) ?7 u! ]https://deepmind.com/blog/article/AlphaStar-Grandmaster-level-in-StarCraft-II-using-multi-agent-reinforcement-learning - ^! {9 m; Z. ?0 v1 h
对战录像:" g" X" f r' ]
https://deepmind.com/research/open-source/alphastar-resources 8 D/ J2 R" S+ Q! U, S' V
— 完 —
# E4 S2 }6 d! c! _* H+ Z3 h大咖齐聚!量子位MEET大会报名开启
5 [3 T# X4 @" e+ _' e* r: w8 K! e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~8 `( p& i8 y: E7 r# ~ p+ B
榜单征集!三大奖项,锁定AI Top玩家( J8 u0 a8 n. I6 f! _2 @) W7 ]* L& ^1 K( ?
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!: {. U* f) @; D
 量子位 QbitAI · 头条号签约作者
" D5 K& w; o9 a) L4 ~վ'ᴗ' ի 追踪AI技术和产品新动态
1 r4 R6 A/ g& X3 d9 f; I/ T喜欢就点「在看」吧 !
Z4 M- p1 m+ l& d& B5 T; P- ~/ R5 X/ D3 i9 P- [( `
3 j( u# t2 G& H) u! l
% y' g. h9 N5 N b9 S
3 M. G& j) W U7 R" w
6 I- r0 }0 q. S9 R2 G3 ^# u来源:http://mp.weixin.qq.com/s?src=11×tamp=1572508805&ver=1945&signature=ufDgJF-ttdwWgSRz4GvsbfZFt8aLHUpcC9yHtzomlOL0gOuaJsxc735aQnmgAG4n173vkU87wL1VAWURHlPQMQpVqYLRqYVHonQrB2VYxo0tKwIa7RrwLt4ddob2CbZI&new=1
2 G0 a2 W( h* q+ Z# [5 X; o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! |