人机对抗:《星际争霸》到底比围棋难在哪儿(2)

　　而Jaedong则持相反的观点，他认为人工智能可以轻松战胜人类选手。他说：“AI不知疲倦，而且在重压之下也不会犯错，并且拥有人类生理无法实现的手速（APM）， 如果人工智能技术达到了一个人类无法跟上的速度，那么它将轻松战胜人类。”

职业星际选手的手速在人工智能面前不值一提

　　这两种观点的矛盾之处，恰恰是人们对于“想要赢，什么条件最重要”的讨论。换句话讲，就是在问：AI为什么在《星际争霸》项目上会输呢？或者是问：为什么要选择《星际争霸》这款游戏来作为研究人工智能AI的样本呢？

　　相比于之前AlphaGo擅长的“完全信息博弈”的围棋，《星际争霸》显然是一个拥有更多不确定因素的游戏。在围棋对弈时，AI可以看清楚棋盘上的每一个位置，然后依靠自己比人脑强大无数倍的计算能力，衡量每一步落子所带来的收益，然后确定最优的方案。这种能力是人脑再开发到极限也是无法实现的。

　　而在游戏中，AI的这种优势其实并无太多用武之地。熟悉RTS（即时战略）游戏的玩家应该都了解“战争迷雾”这种机制。AI并没有“作弊”读取正在进行中的游戏的内存数据的话，它是无法得知玩家现阶段在布置何种战术，因此也就无法提前做出“最优判断”。而这种判断对于RTS的获胜来说才是至关重要的。即使AI洞悉了玩家的战术，他也未必能即时做出改变，甚至有可能被玩家“虚晃一枪”。

　　职业选手ByuN就表示他会使用“非常规的策略和战术”来迷惑AI。“我会阻止它开视野，发现我的基地布局和建筑顺序。”ByuN说，“如果我的基地被发现，我会选择停止所有建筑计划。”

　　AI在信息对等的情况下，临机应变的能力不如人类，星际需要玩家对资源控制，升级先后顺序，不同种族和兵种相互克制等方面有整体的认识。这种互相牵制的效果，即是游戏平衡性的由来。这方面的整体考虑远比下围棋时只考虑黑子和白子的位置更加复杂。

　　考虑到人工智能在APM手速和精确微操方面优势明显，这可能成为另外一个能决定比赛最终结果的重要因素。

　　曾经有人设计出一种 “悍马2000（Automation 2000）”的脚本，极限APM达到15000（顶尖职业选手APM大约为200+），实现了一系列诸如“100只狗拆掉20辆坦克”、“机枪兵甩毒爆”、“无双运输机甩牛”等眼花缭乱的壮举。如果在现实比赛中出现，无疑可以给人类玩家造成巨大的心里压力，甚至一举奠定胜利基础。

100只狗 VS 20辆坦克

　　虽然顶尖职业选手也曾在比赛中上演过类似的操作，但是毕竟在正式比赛的高压之下，没人敢说一定能成功。在这种前提下，电脑与人脑看起来是在不平衡的前提下进行对决。官方似乎也注意到了这一点，暴雪和DeepMind团队也强调过，未来的人工智能并不会拥有非人类的逆天操作，他们将会通过限制人工智能的APM来保证它的操作，也会有类似人类的极限和失误。

电脑控制下的机枪兵甩毒爆

　　但是艺高人胆大的ByuN再一次站出来反对了，他说：“任何限制人工智能的举动都会令‘人机大战’失去意义。 ”

　　启示

　　目前除了这些老牌的星际AI在不断进化之外，也有更多人工智能科研团队加入进来。其中最有代表性的就是曾主导了AlphaGo开发的DeepMind团队。

　　AlphaGo 2.0在版本（即完胜柯洁的版本）时，已经可以通过自我博弈达到学习的目的。如果这种技术应用到游戏中的话，可能会彻底改变目前星际AI打法都是人工设定好的，容易被针对的现状，甚至会诞生出一些新的战术和玩法，以启发职业选手。

　　在2016年的暴雪嘉年华开幕式上，谷歌的研究人员就上台宣布了DeepMind目前和暴雪共同开发星际AI的计划和工作进展

　　而由Elon Musk赞助的人工智能项目OpenAI，也同样将目标瞄准了《星际争霸》为代表的对抗性游戏。在今年的Dota2 Ti7全球总决赛上，它就以压倒性的优势战胜了代表人类玩家的顶级选手Dendi。虽然二者对决并非建立在完整的游戏规则之上，但是在中路一对一对线的表演中，OpenAI在走位，补兵的操作上没有一丝失误，这也再一次映证了电脑AI在操作方面仍然有着先天性的优势。

　　来自中国阿里巴巴人工智能实验室和伦敦大学的研究人员也在以星际为样本，研究人工智能对多种单位协同控制的能力，并且取得了不错的成绩。

　　众多科研机构能够如此顺利进行星际AI研究，要多亏了暴雪官方在游戏上对开放性做出的让步。针对《星际争霸1》，暴雪专门针对母巢之战版本开放了BWAPI编程接口，保证了开发者可以针对游戏操作来不断优化人工智能的算法，同时还保证了“公平性”：AI基本上只能按照人类的思维方式向游戏下达指令，基本上人类可以做到哪些事情，AI也就只能做到这个地步，从而杜绝了对于电脑会“作弊”的担忧。

编辑：游研社