围棋之后，人工智能要完爆“星际2”玩家？这正是我们所期待的！

RoboMaster 技术智囊团，用简单的方式带你入门机器人知识，每周日准时更新。

小时候，大人告诉我们，玩游戏的是坏孩子，想当科学家的是好孩子。你有没有想过，有一天，科技公司竟然和游戏公司合作，让机器人去打游戏？

事情真的发生了……去年，DeepMind 和暴雪娱乐宣布合作，让人工智能（简称 AI） 学会玩「星际争霸2」游戏。

DeepMind 是 Alphabet 旗下的子公司，这个公司你可能没听过，但是你一定知道他们做的 AlphaGO，曾经打败了围棋九段李世石。

AlphaGO 与李世石对战

之后，他们立下 Flag 要挑战实时战略的视频游戏，比如「星际争霸2」这种。

「星际争霸2」

Whaaaat？我们不仅能看到 AI 下棋，还能看到 AI 打星际争霸？难不成科技公司经营不下去，要接游戏广告了？

其实不是，这次合作可以说是轰动了整个 AI 界。事情是这样的……

围棋是一种“完全信息博弈”游戏，双方玩家都能看到棋盘，而且有时间慢慢思考和制定策略。

而星际争霸就很有趣了，如果你没有兵力在附近，就看不见对方的行动，而且还要快速做出高级战略决策。这就是“非完全信息博弈”。

AI 眼中的星际争霸

AlphaGo 在围棋这种思维复杂的游戏中压制人类，说明机器学习已经掌握了这种信息推理的棋牌游戏了。

那机器学习能不能在“非完全信息博弈”上打败人类？

这个问题极有学术价值，星际争霸就是一个很好的测试平台，也被视为 AI 进阶的跳板。

人机对战星际争霸

机器学习是什么呢？在之前我们有介绍过，这里带大家简单复习一下。

也可以直接看往期机器学习科普，穿梭门：《机器人如何在复杂的环境下进行视觉识别？》

机器学习就是让机器自己学习知识，通过自己攒经验和学别人的经验，并且总结和优化来提高技能。

机器学习有三个基础属性：

数据、算法、模型

机器学习有几种常用的方法，我们用科科和他的计算机来比喻。

科科有一台计算机，他想教它分辨小猫小狗的图片，于是找到了几种机器学习常用的方法：

第一种，直接告诉计算机图中哪些是猫哪些是狗。

计算机记住了这些被贴了标签的图片后，升级到能够认出图片以外的猫狗，这就是监督学习。

监督学习：数据+标签

第二种，丢一大堆未命名的图给计算机，让它自己去总结猫和狗的不同。

聪明的计算机会发现猫狗背后的规律——比如摇着尾巴求抱抱的是狗，瞧不起人的是猫，这就是是非监督学习。

非监督学习：数据，无标签

第三种，只指出图中两三只猫狗。

计算机通过这几张照片总结规律，再自己探索其他猫狗，这就是半监督学习。

除了上面几种，科科还喜欢一种“残暴”的强化学习法（也叫增强学习）。

就是把计算机丢到一个对它来说完全陌生的环境，或者让它完成一个没接触过的任务，让它试各种手段，跌得满身是伤，最后自己适应环境或者完成这个任务。

这就是 AlphaGo 的学习手段，阿尔法狗也是历经折磨和艰辛才达到今天的水平啊。

AlphaGo 的思考方式

蓝色为可以放置棋子的位置

强化学习通过淘汰机制去选择最优的设计或模型，和优胜劣汰的自然法则很像。

比如发现某一个决策做错了，以后就摒弃它。

DeepMind 就是要用机器学习的方式，让 AI 挑战游戏。

除了“非完全信息博弈”看不到对方的决策，让 AI 玩「星际争霸2」还有其他头疼的问题。

「星际争霸2」不像回合制游戏可以一人一招轮流打，而是要制定长、短线战术，比如选择正面进攻还是偷袭骚扰。

简单的回合制游戏

还要根据最新信息调整计划，比如本来打算偷袭骚扰，结果发现对方正在挂机，于是果断正面进攻。

要让软件同时具备这两种能力是非常难的。所以，大家看到 AI 打「星际争霸」打得很菜的 时候，也不要嘲笑它是人工智障好嘛。

测试 AI 在不同任务中的表现

可以看出，「星际争霸2」更能模拟真实世界的混乱状况，所以如果开发出了一套机器学习系统掌握游戏技巧，那真实世界的复杂任务就可以让 AI 去做了！

无人驾驶就需要应对复杂的交通状况

也就是说，这个研究不是为了让 AI 打游戏，而是教机器人做战略分析。

等到这条路的终点，机器人不再是“机器”，而将是有完整的认知、能够分析决策，甚至可能欺骗的会思考的智能体。

但是，距离这个终点还有很久。因为有人试过，让表现优异的AI和最简单的内置AI对打时，前者以全败告终，连最简单的“人机”都打不过……

不过，AI 打游戏也不是一无是处，它也有操作优势。

之前有一个热门视频，AI 控制虫族的 100 条小狗咬爆了人族的 20 辆坦克，而人类玩家绝对不可能有这种骚操作。

小狗咬爆坦克

它需要一只小狗受到坦克攻击的时候，边上的小狗全部跳开，免得被炮弹范围内的溅射杀死，这个操作给你十只手都不一定能实现。

然而，即使 AI 有微操优势，也还是打不过人类玩家。

人类有各种花招能对付他，可以早期突袭、可以派兵骚扰杀农民、可以空投对方基地捣乱、可以派隐形兵力让对方挨打了还不知道发生了什么……

佯装在矿区进行光子炮台 rush

实则从路口建立阵地

即使人们训练 AI，让它的表现有些提高，但想要达到竞技的目标，还是需要在深度增强学习和相关领域有更多突破。

机器学习那么难，有小伙伴要问，实现人机大战一定要用机器学习吗？普通的编程行不行？

不行！对战非常需要侦察和随机应变，显性地写代码几乎不可能做到。

据估计，「星际争霸2」每场对决有 101685 种可能的配置，鲜明的对比是：阿尔法狗的配置层是 10170。

人类可以趁电脑没有防空，就派空军，可以趁电脑没有防隐形，就派隐形兵种。如果要用一个一个代码去表达所有可能发生的情况，会涉及海量数据，开发难度巨大。

要分析每一种情况，再敲成代码

程序猿的头发再多也难做到啊！

丰富的策略与随机应变正是「星际争霸2」的游戏精髓，用编程的办法很难有出路，还是得让机器自我学习发展出随机应变的能力。

在 ICRA 2018 DJI RoboMaster 人工智能挑战赛中，也面临同样的问题，比赛需要 4 台全自动机器人 2 V 2 对抗。

虽然参赛的角色少，对抗的环境也没那么复杂，但实体的对抗让比赛更加充满不确定性。

比赛机器人

参赛选手可以给机器人设定射击和躲避的程序，但使用机器学习的机器人明显更有优势。

希望了解更多对抗比赛中机器学习技术应用的小伙伴，可以穿梭至：《机器人比赛中，关于机器学习对竞技规则和未来研究的几点思考》

棋手柯洁曾说：“人类已经研究围棋研究了几千年了，然而 AI 却告诉我们，我们甚至连其表皮都没揭开。”如果突破了这项技术，那人类将迎来强 AI 的时代！