从事人工智能领域研究的Alphabet子公司DeepMind宣布了这一宏伟目标的新里程碑： AI首次在《星际争霸II》战略中击败了人类 。 2018年12月，一个名为AlphaStar的卷积神经网络传播了职业选手TLO （德国达里奥·翁什）和MaNa （波兰格则哥斯·科明兹），赢得了十场胜利。 该公司昨天在YouTube和Twitch的直播中宣布了此活动。

在这两种情况下，人员和程序都扮演着神族的角色。 尽管TLO并不擅长这场比赛，但马纳（MaNa）提出了严重的抵抗，甚至赢得了一场比赛。

在流行的实时策略中，玩家代表三项争夺资源，构建结构并在大地图上战斗的竞赛之一。 重要的是要注意，程序的速度及其在战场上的能见度是有限的，因此AlphaStar不会在战胜他人方面获得不公平的优势（更正：显然，能见度仅在最后一场比赛中受到限制）。 实际上，根据统计数据，该程序每分钟执行的动作甚至少于人：AlphaStar平均为277，MaNa为390，TLO为678。



该视频从第二次对阵MaNa的AI代理的角度显示了游戏的视角。 还显示了从人的角度看的视图，但是该视图不适用于该程序。

AlphaStar受过训练，可以在称为AlphaStar League的环境中玩神族。 首先，神经网络花了三天的时间查看游戏记录，然后使用一种称为强化训练，磨练技巧的技术自己玩游戏。

在12月，他们首次组织了一场针对TLO的游戏，其中测试了五个不同版本的AlphaStar。 这次，TLO 抱怨说他不能适应对手的比赛。 该程序以5-0的分数获胜。

在优化了神经网络的设置之后，一周后与MaNa进行了比赛。 该程序再次赢得了5场比赛，但是MaNa在最后一场比赛中对最新版本的算法进行了报仇，因此他有一些值得骄傲的地方。


评估训练神经网络的对手的水平

为了了解战略计划的原理，AlphaStar必须掌握特殊的思想。 当需要复杂策略时，为此游戏开发的方法可能在许多实际情况中有用：例如贸易或军事计划。

《星际争霸2》不仅是一款极具挑战性的游戏。 这也是一个信息不完整的游戏，玩家无法始终看到对手的动作。 它还缺乏最佳策略。 而且，玩家的动作结果需要一些时间才能变得清晰：这也使学习变得困难。 DeepMind团队使用了非常专业的神经网络架构来解决这些问题。

游戏学习有限

DeepMind是著名的软件开发人员，击败了世界上最好的围棋和象棋专家。 在此之前，该公司开发了几种算法，可以学会玩简单的Atari游戏。 电子游戏是衡量人工智能进步并将计算机与人进行比较的好方法。 但是，这是一个非常狭窄的测试区域。 与以前的程序一样，AlphaStar仅执行一项任务，尽管效果非常好。

可以说，一个弱小的狭义的AI掌握了战略计划和作战策略的技能。 从理论上讲，这些技能可以在现实世界中派上用场。 但实际上并非一定如此。

一些专家认为，如此高度专业化的AI应用与强大的AI无关：“已经学会了以“超人”级别熟练玩特定视频游戏或棋盘游戏的程序，在条件发生最小变化（更改屏幕背景或更改位置）的情况下， 完全 消失了。虚拟“平台”跳动的“球”）， -说，计算机科学教授在波特兰州立大学，梅拉妮米切尔的文章“人工智能跑进一个障碍ponima 蒸发散“ 。 -如果情况与接受培训的情况略有不同，这些仅是几个例子，说明最佳AI程序的可靠性。 这些系统中的错误范围从荒谬，无害到潜在的灾难性。

这位教授认为，人工智能商业化竞赛给研究人员施加了巨大压力，要求他们创建在狭窄任务中“合理运行”的系统。 但是最终，可靠的AI的发展需要对我们自己的能力进行更深入的研究，并对我们自己使用的认知机制有新的理解：

我们对面对的情况的理解基于广泛，直观的“常识概念”，即世界如何运转以及其他生物（尤其是其他人）的目标，动机和可能的行为。 此外，我们对世界的理解基于我们的基本能力，即我们能够概括我们所了解的知识，形成抽象概念并进行类推-简而言之，就是使我们的概念灵活地适应新情况。 几十年来，研究人员一直在尝试教授AI直观常识和可持续人类能力来进行概括，但是在这一非常困难的问题上进展甚微。

到目前为止，AlphaStar神经网络只能为神族效力。 开发商宣布了未来训练她参加其他比赛的计划。