document.write('
')

当前位置:   金科网 > 人工智能 > 正文

碾压99.8%人类对手,星际AI登上Nature

碾压99.8%人类对手,星际AI登上Nature

金科技注:本文来自于微信公众号量子位(ID:QbitAI),作者为乾明、鱼羊、栗子,金科技经授权发布。

仅剩0.2%的星际2玩家,还没有被AI碾压。

这是匿名混入天梯的AlphaStar,交出的最新成绩单。

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。

碾压99.8%人类对手,星际AI登上Nature

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

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

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。

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。

碾压99.8%人类对手,星际AI登上Nature

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。

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。

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:

碾压99.8%人类对手,星际AI登上Nature

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:

碾压99.8%人类对手,星际AI登上Nature

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:

碾压99.8%人类对手,星际AI登上Nature

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:

碾压99.8%人类对手,星际AI登上Nature

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。

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。