人類Dota2國際大賽打敗OpenAI，但AI贏回來也只是時間問題
OpenAI曾在2017年戰勝Dota2世界頂級玩家Dendi，本月初戰勝了由職業選手和解說員組成的半職業戰隊，這一系列出彩的表現提升了人們對人工智能再次奪冠的期望。8月22日在溫哥華舉行的TI8上，OpenAI聯合創始人兼CTO格雷格·布羅克曼（Greg Brockman）帶著全新的OpenAI Five如期而至，卻接連兩場輸給巴西站隊和中國戰隊，據悉，巴西戰隊目前世界排名第14位，這至少說明一直想挑戰人類“最強”的人工智能，目前還不能在Dota2電競場上打敗人類。
機器的短板
正如專注于游戲領域AI研究的邁克·庫克在Twitter上所說，“機器人在即時即地的反應上做得很好，但宏觀層面決策的表現卻很糟糕。”OpenAI計劃在當地時間周三、周四、周五連比三場，由于比賽采取三局兩勝制，OpenAI在輸給中國戰隊之后，就結束TI8之旅。
兩場比賽分別持續了51分鐘和45分鐘，從數據來看，OpenAI Five在比賽開始的前20－35分鐘內確實有很大的勝算。以AI的計算能力來看，OpenAI Five不乏出彩的表現，比如“圍剿”孤立的英雄，近距離進行技能釋放，血量計算等。在與巴西戰隊paiN的較量中，AI也拿到比對手更多的“人頭”。畢竟，人工智能就是一臺機器，可以獲取游戲后端給予的精確的數字反饋，比如英雄狀態和英雄間距離等信息。但是在戰略上，人工智能遠不及人類，執著于擊打Roshan、莫名其妙的在家、塔下插眼、在沒有對手的時候放大收野。
這種精準的計算和不穩定的戰略恰好反映了AI是如何學會打Dota的，OpenAI使用強化學習訓練AI從頭自學，在一遍遍嘗試中堅持下來有效的動作。因此也導致了OpenAIFive在面對訓練中沒有遇到的情況時束手無策，從事OpenAIDota項目的軟件工程師蘇珊·張表示，“如果AI在比賽中遇見了之前從未有過的情況，很難立即調整。同時，在訓練過程中，機器人在判斷采取何種行動時，最多會提前14分鐘。沒有任何一種機制讓機器人部署超過14分鐘的長期戰略�！彼�，AI的這一缺陷，在兩場比賽中展露無遺。
在比賽開始前，格雷格·布羅克曼曾對TheVerge表示，公司曾進行一場內部員工投票，認為OpenAIFive獲勝的可能性不到50％，這是普遍的共識。但是他補充說，真正重要的是AI的進步速度。AI在接近某戰隊水平時，就與他們打比賽，一、兩周之后，AI就能超過他們，這樣的事情已經“驗證”很多次了。
不可否認的是AI強大的學習能力，即便完敗巴西、中國戰隊，OpenAI的AI選手也遠遠超越早期的電子競技機器人。
“OpenAI Five”
在體育和游戲中，人工智能與人類的對抗有著悠久的歷史。IBM開發的深藍計算機在1996年成為了第一個與世界象棋冠軍較量并贏得比賽的電腦系統。戰勝越來越具有挑戰性的人類冠軍則慢慢成為衡量人工智能進步的標準。
2016年3月，AlphaGo與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4：1的總比分勝出；之后，AlphaGo以網絡圍棋手“Master”的身份為與中日韓數十位圍棋高手進行對決，以60勝零負收場。此后，DeepMind團隊公布全新強化學習算法——AlphaZero，僅僅通過自我對弈的方式就達到超越人類的水平。
去年，谷歌旗下的DeepMind和馬斯克創建的非盈利研究實驗室OpenAI合作研究一種根據人類反饋進行強化學習的新方法，并發表論文《Deep reinforcement learning from human preferences》（根據人類偏好進行的深度強化學習）。要建立一個安全的AI系統，其中很重要的一步是不再讓人類給AI系統寫目標函數，因為這都可能導致AI行為偏離軌道或引發危險。新算法只需要人類逐步告訴AI，兩種AI推薦的動作中哪一種更好，AI由此推測人類的需求進行學習，比如新算法用來自人類評價員的900次二選一反饋學會了后空翻。OpenAI和DeepMind希望通過新算法來提高人工智能的安全性。
DeepMind憑借Alpha Go不負眾望，同樣專注在強化學習領域的OpenAI則是放眼于Dota2上，因為在數學計算上，電競游戲比象棋或者圍棋更復雜。這件看似“不正經”的事情，對于人工智能來說卻是巨大的挑戰，游戲中需要AI團隊協同作戰、布局長期戰略、制定復雜決策。如果賦予AI的這些技能可以通過游戲磨練“精進”，便可以加以運用到現實生活中。這也恰巧符合OpenAI的建立初衷——吸取所有的人類優點，建立安全的通用機器人。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
