打游戲也輸！新款“阿爾法”擊敗人類玩家

2019-01-28 08:47

繼圍棋“人機大戰(zhàn)”成功擊敗人類頂尖圍棋高手后，谷歌旗下的人工智能技術(shù)公司“深層思維”的人工智能程序“阿爾法星”，與人類職業(yè)選手在經(jīng)典即時戰(zhàn)略電腦游戲《星際爭霸2》對戰(zhàn)中，取得壓倒性勝利。

據(jù)“深層思維”公司介紹，自去年12月以來，該公司開發(fā)的“阿爾法星”人工智能程序與高水平人類職業(yè)選手先后舉行了11場比賽。在這一系列“人機大戰(zhàn)”中，人工智能程序最終以10比1擊敗人類選手。只有在1月24日舉行的現(xiàn)場比賽中，“阿爾法星”由于游戲視角受限，人類選手才勉強贏下一場。

“深層思維”公司聯(lián)合研發(fā)負(fù)責(zé)人戴維·西爾弗在比賽后指出：“盡管后續(xù)還有很多工作要做，但是我希望未來人們在回望今天時，會把這一比賽結(jié)果當(dāng)成人工智能系統(tǒng)的能力又向前邁了一步的表現(xiàn)。”

據(jù)介紹，與圍棋棋盤上所有棋子都對雙方可見不同，此類游戲中有“戰(zhàn)爭迷霧”，一方需要猜測和偵察對方的行動，屬于“不完美信息博弈”，并且要求人工智能必須實時做出反應(yīng)，這對人工智能的要求更高。

“深層思維”公司表示，在“阿爾法星”之前，還沒有任何人工智能系統(tǒng)能夠在《星際爭霸2》中能與人類職業(yè)選手的技巧比擬。而“阿爾法星”能夠在這場“人機大戰(zhàn)”中大比分勝出的一個重要基礎(chǔ)，就是它使用了深度神經(jīng)網(wǎng)絡(luò)，研究人員通過監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的方式，直接利用游戲的原始數(shù)據(jù)來訓(xùn)練，以模仿學(xué)習(xí)的思路，讓模型快速學(xué)到高水平人類玩家在游戲中使用的策略和操作。

此外，《星際爭霸2》等游戲中有一個“手速”的概念，用APM（每分鐘操作指令數(shù)）來衡量。在基準(zhǔn)測試中，“阿爾法星”每分鐘能夠執(zhí)行約280個操作指令，雖然遠(yuǎn)低于人類職業(yè)選手，但是其動作更精確，也有助于在比賽中取得勝利。

下贏圍棋、打贏電腦游戲，這都能給人工智能的發(fā)展帶來什么呢？“深層思維”的研究團隊認(rèn)為，訓(xùn)練“阿爾法星”的先進方法以及算法的先進架構(gòu)未來都會有助研究人員積累更多經(jīng)驗，最終設(shè)計出能夠應(yīng)對現(xiàn)實生活中不少復(fù)雜問題的人工智能程序，比如天氣預(yù)測、氣候模型計算以及語言理解等。