北京時間1月25日凌晨2點，暴雪與谷歌deepmind團隊合作研究的人工智能“alphastar”正式通過直播亮相。按照直播安排，alphastar與兩位《》人類職業選手進行了5場比賽對決演示。加上并未在直播中演示的對決，在人類vs alphastar人工智能的共計11場比賽中，人類只取得了一場勝利。

這場大戰以人工智能的近乎完勝而告終。從結果來看，人類似乎很快就無法在《星際爭霸2》這款難度非常高的游戲上與人工智能相抗衡。

本文將會以較專業的星際技戰術角度出發，通過較為通俗的講解，幫助大家理解這場勝利的意義究竟在哪里。

(特別鳴謝kevinliu對本文中人工智能專業內容指導)

1. 這場勝利真的意味著《星際爭霸2》中人工智能已經可以戰勝頂尖人類了嗎?

盡管這次比賽人類沒有派出當前實力最強狀態最好的職業選手出戰，但顯然已經有很多朋友希望通過”人工智能是否已經具備戰勝人類職業選手的實力“來參考不久的未來人工只能是否有機會“擊敗全人類”。

所以回答這個問題其實需要一個必要條件。那就是看如何看待挑戰人類的人工智能。以絕大部分的專業人士看法，如果人工智能戰勝人類，應該是通過和人類差不多的操作或是比人類對游戲更先進的戰術理解來取勝，才足以讓人信服。

那么這次比賽中兩位輸給人工智能的選手能夠讓人信服嗎?

恐怕很難。

第一個出戰的tlo在比賽中使用了他不擅長的種族，所表現出的技戰術實力只能達到普通業余玩家的水平，甚至連業余高手都略有勉強。那么自然也就沒有了參考“戰勝職業選手“的意義了。只能說，與tlo對決的這款alphastar，已經擁有了在pvp(神族vs神族)對抗中略強于一些業余玩家的技戰術水平了。

第二個出戰的mana可是正經的使用最擅長種族的職業選手了，巔峰時期也曾拿過暴雪世錦賽的亞軍。但mana依然輸給了人工智能。

這場勝利有參考意義嗎?

客觀的說，還有異議。

大部分人持反對意見的原因非常明顯，戰勝mana的這款alphastar擁有著超乎人類生理極限的操作能力。

畢竟人類希望和圍棋一樣，在一個相對平等的條件下與人工智能對決，從而讓人類認識對這個游戲玩法的認知積累是否還存在缺陷。

所以在如何保證平等條件的爭論中，是否需要像人類一樣模擬受迫性失誤、是否需要像人類一樣有反應閾值一直都存在激勵爭議。但在是否擁有超越人類勝利極限的運動能力上，確是爭論極少的，畢竟人們在對人工智能對抗人類的主流認知中，是希望人工智能對手也是個虛擬的人。

回顧mana和alphastar的那五場大戰，以在直播中播放的一場比賽為例，alphastar所展示的三線追獵牽制操作是人類幾乎不可能完成的。完成這種操作必須要在那長達1分多的時間內保持非常快的手速、精準的點擊、精準的屏幕移動以及距離判斷，更重要的是要杜絕人類基本無法克服的受迫性失誤。

通俗點說，如果同樣是帶兵打仗，我的排兵布陣和打仗策略和你差不多，但你的部隊不知疲倦，我軍打累了要休息而敵軍依然還能扛著大刀往前殺，那就有點賴皮了。

除此以外，目前的alphastar在技術上仍有很大的局限性。從當天的比賽來看，目前deepmind能向大家展示的只能局限在唯一的地圖、唯一的種族對抗以及唯一的平衡性環境中。相比需要應對每個賽季至少4-5張不一樣的地圖、三個不同種族對抗、經常修改的平衡性版本的人類職業選手來說，就好比踢足球alphastar只和你比射點球，那怎么能算戰勝人類?

但從純粹的技戰術角度來討論，這一次人工智能大戰還是給了人類一些啟發，主礦的農民分配以及一些運營補農民的思路，確實給了一些核心星際玩家新的思路。

盡管拋開單純的比分結果并不能讓我們信服人工智能已經可以挑戰甚至戰勝職業選手，但從它所表現出的潛力已經學習程度來看，仍然是值得期待的。

2. 人工智能有哪些值得星際專業人士贊嘆的地方?

在第一個問題中我們似乎一直在唱衰deepmind團隊研發的alphastar。但嚴格來說，deepmind首次公開alphastar對于星際專業人士來說，仍然超出了預期，非常值得贊嘆。

和一些命名為人工智能的星際腳本程序相比，alphastar更像我們想象的人工智能了，它會靈活的使用戰術，作出更像是經過”思考“后的游戲指令。

alphastar所展現出的學習能力已經非常強大。它甚至已經學會判斷優先攻擊哪個目標、學會怎樣使用對手的戰術、以及基礎的判斷對手的打法和使用反制打法的能力，完成這些在我們看來比較抽象化的邏輯能力，就需要更加強大的算法能力了。

412 260 >

更加復雜的算法帶來更加擬人化的高級邏輯推理能力也是deepmind選擇用《星際爭霸2》來攻克人工智能技術瓶頸的原因之一。對于星際玩家來說 ，更加強大的邏輯能力自然有可能會誕生更多人類還沒想到的新戰術、新運營和新打法體系，這是非常值得期待的。

3. 未來的《星際爭霸2》人工智能vs人類大戰會是怎樣?

要知道這次參賽的alphastar只進行了為期一周的自我對練和學習，但學習量已經相當于正常人的200年，這和alphago一樣，人工智能有著非常恐怖的算力。但畢竟目前技術水平的人工智能還不能像相對變數更少的的圍棋那樣完全駕馭和領悟《星際爭霸2》這款游戲(在筆者之前撰寫的《星際爭霸人工智能alphastar比賽速記》中對此有詳細闡述)，因此即使有著 200年的學習量，今天所展示出的alphastar對游戲的整體理解能力依然不如只有短短數年學習量的人類強。

以目前的技術水平來看，alphastar的技術提升可能會存在很大的瓶頸。如果未來在算法上有較大的技術進步，alphastar可能會有非常大的學習進步，那么戰勝人類最強職業選手或 是為人類啟發新的《星際爭霸2》打法就真的可以實現了。

屆時，alphastar自然也就不用再限定死地圖和對抗種類，也不用再依靠超過人類極限的操作能力，它會真正意義上的告訴你《星際爭霸2》應該怎么玩，會像alphago那樣告訴人類：你們的地標最強，在我們看來只是簡單電腦;你們公認的最優玩法，完全就是亂打一通。

4. 你一定會搞混它們：《星際爭霸2》中的人工智能與腳本

其實早在alphastar在今天公開打《星際爭霸2》之前，很多星際玩家會誤以為alphastar是一個類似于悍馬2000。

悍馬2000是一個《星際爭霸2》的程序腳本，它能夠為人類展示人類理想中最完美的游戲操作。比如最廣為人知的散槍兵無損殺光毒爆、2000只小狗最低損失沖鋒坦克陣。

431 256 >

這類似 于之前我們提到的超出人類生理極限的操作。此類極限的操作是通過提前在程序中寫好了 條件—動作 的指令，例如毒爆與槍兵的距離小于某個閥值的時候，觸發槍兵向毒爆運動的反方向移動，等等類似指令來實現的。

但如果用悍馬2000這樣的腳本和人類進行對決其實沒有什么實際的意義，因為人類的知識和理解總是有限的，在有限的知識下，寫死大量的 條件—動作 指令，最后總會有人類無法預知的情況出現，腳本bot就會陷入困境，從而被人類輕松擊敗。而alphastar是學習型的，通過大量的對局自主學習，優化自己的每一次決策，從而提高自己的游戲水平。這樣的人工智能，是能夠做出邏輯推導能力，局勢分析能力甚至是和對手的心理、戰術交互。畢竟《星際爭霸2》是一款即時戰略游戲。

至于腳本與人工智能的區別，相信很多朋友已經能從上文中理解了，腳本只是寫死的程序，它不能和你來一次真正意義上的，智能的即時戰略游戲對抗;而人工智能會判斷你的打法，通過對局勢的判斷，輸出一個最有價值的策略，在人類看來就是它用了多變的打法來挑戰你。其實嚴格的來說，目前以alphastar為代表的頂尖技術人工智能也是一個更加高級復雜的腳本，它的所有抉擇都是基于相比人類編寫的腳本更加高級復雜的推導，學習與擬合。只是最后打出來的結果，以人類的感性視角看來，人工智能具備”獨立思考能力“。

5. deepmind研究alphastar的意義?

在當天在直播結尾，deepmind提到，alphago通過圍棋戰勝人類是人工智能ai的一個里程碑。但人類之所以為人類，就是能從不同結果中學習，deepmind希望找出能和人類一樣的自我學習算法。這個長期的計劃對于人類在未來意義重大。

以上是網絡信息轉載，信息真實性自行斟酌。