从AlphaGo到AlphaStar：机器是如何思考的？ | 红杉Library

2016至2017年，AlphaGo横空出世，接连击败世界顶级围棋选手；2019年，另一个人工智能AlphaStar登上历史舞台，它挑战的是《星际争霸2》的顶级职业选手。

一盘围棋棋局大约持续150 步，面对的是250个选择；而25分钟的《星际争霸》就已经至少有36000步，面对的选择数量是1 后面50个0。这是对人工智能的一次巨大挑战。最终AlphaStar成为第一个打败《星际争霸2》顶级人类职业选手的AI。

AlphaStar是如何获胜的？设计者面对哪些困难？AI距离达到真正的“智能”还有多远？

谷歌前工程专家、普林斯顿大学机器学习博士肖恩·格里什，在他新出版的《智能机器如何思考》一书中，展示了人工智能领域的前沿成果，深入解读了感知算法、强化学习、深度语言识别等概念，阐释了智能机器究竟是如何感知和思考的，并描绘了我们终将与AI共处的未来。今天的文章是本书的部分精编。

智能机器如何思考

肖恩·格里什/ 著

中信出版集团 2019年6月

AlphaGo仍有局限性

-------

虽然AlphaGo具备识别围棋盘面特征的能力，但它只能执行下围棋这项非常单一的任务。正如OpenAI（致力于人工智能研究的公司）的研究员唐杰所言：“AlphaGo不会决定去买个芝士汉堡，然后尝试接管世界。”

AlphaGo是专门为下围棋而设计的，因此它只具备下围棋所需要的能力，它的一切都依赖于人类。除了在对弈过程中识别模式、选择模式的能力，AlphaGo无法与瞬息万变的环境互动；除了汇总统计数据外，它没有关于过去事件的记忆；除了模拟它和对手如何走棋之外，它也没有关于未来事件的概念。

那么我们在人工智能领域要迎接的下一个重大挑战是什么？DeepMind（致力于人工智能研究与应用的公司，2014年被谷歌收购）宣布了一个新项目——设计一个能够玩即时战略游戏《星际争霸》的AI。这要求该AI具备更多与人类智能相关的品质：能寻找做决策所需的信息，能在有时间限制的条件下，以及高低不同层次上做出这些决策——既可以规划具有长期影响的行动，也可以做出闪电般迅速的反应。

为什么让AI在《星际争霸》中取胜

如此困难？

-------

《星际争霸》是一款设定在26世纪的战争游戏。就像国际象棋一样，每个玩家都指挥着一支由不同单位组成的军队，每个单位都有其优缺点。与国际象棋不同，《星际争霸》是一款即时战略游戏。玩家不是轮流走子，而是在一个大的战斗区域内实时指挥自己的军队。军队之间的战斗残酷且节奏快，这给手快的玩家带来了优势。事实上，《星际争霸》的顶尖人类玩家操作键盘和鼠标的速度通常超过每秒5次。

此外，《星际争霸》要求每个玩家都要维持正常的经济运转，从而提供更多的资源发展自己的军队、升级不同类型的建筑等。游戏中的“战场迷雾”掩盖了大部分游戏空间，使玩家只能看到自己的单位或单位附近发生了什么，要掌握更多信息，只能派出侦察兵或者找到其他方法来了解环境。

在国际象棋和围棋等策略性游戏中，最优秀的AI能在游戏树（组合博弈理论中用来表达一个赛局中各种后续可能性的树）中搜索数百万个状态，并通过程序查找最有可能成功的状态。这种能力取决于两个因素：树的每个层次的分支因子（AI在给定时间内必须做出选择的走子选项的个数）和树的深度（AI在一局游戏中需要走多少步棋）。

围棋的分支因子大约是250，保守估计《星际争霸》的分支因子大约为1 后面50个0；一盘职业围棋棋局大约持续150 步，而一局典型的25 分钟的《星际争霸》大约有36000个动作。此外，“战场迷雾”让每个玩家仅拥有不完整的信息，因此国际象棋或围棋中的传统搜索方法并不适用。

换言之，《星际争霸》对人工智能领域提出了巨大的挑战。一个可以得心应手地玩《星际争霸》的机器人，需要具备许多我们认为能够定义人类智能的品质，包括用有限的信息做出战略决策的能力，以及实时应对不可预见情况的能力。纽芬兰纪念大学的计算机科学教授戴维·邱吉尔称这是游戏人工智能研究的“巅峰”。

通过简化游戏建立架构

-------

想让《星际争霸》机器人会玩游戏，就必须把它们需要执行的任务分解成可管理的模块。对于这些模块的定义来自职业人类玩家的分析总结，如下图所示，架构分为三层。

最左侧是AI与环境交互所经过的层，为机器人提供了一种通过编程与游戏本身进行交互的方式。

中间是感知和环境建模层，用于为AI追踪军事情报：包括对手的基地、游戏中的单位和整个地图的信息。不同的机器人对这一层的重视程度不同。

机器人的“智能”行为来自架构最右边的部分，也分为三层：

▨ 在顶层，这些机器人推理战略：机器人应该建造或升级哪些建筑，以及应该在什么时候做这些事情。通常需要提前几分钟进行规划，并会对游戏产生直接的长期影响。

▨ 在中层，机器人会推理战术，这涉及提前30秒到1 分钟的计划：AI应该把它的建筑建在哪里？应该何时出兵到何处作战？

▨ 底层是反应层，它要求在几秒钟内做出规划和反应，处理军事情报层送来的环境信息。

设计实用型《星际争霸》机器人

-------

许多顶级《星际争霸》机器人的开发者都遵循实用主义理念，用能够赢得游戏的策略来编程他们的机器人，即便这意味着他们并没有创造出足够“智能”的机器人。例如，一些机器人被编程为遵循简单的rush策略（在游戏早期牺牲经济，快速发展兵力，以此一举击败对手的策略），它们会建立一支由弱小的战斗单位组成的小型军队，在对手建立防御之前发动攻击。

职业人类玩家也会使用各种各样的rush策略，这只需要遵循一套简单的规则，完全不考虑任何长期规划。即使是邱吉尔设计的更复杂的《星际争霸》机器人UAlbertaBot，有时也会输给那些使用rush策略的机器人。但能够实施这些策略的机器人仍然远远不能战胜人类职业玩家。

玩过这类游戏的人肯定对战过计算机，大概会有此疑问：既然设计一款能玩游戏的机器人如此之难，为什么在游戏的人机对战中计算机还是如此难以战胜？邱吉尔解释说，因为现实游戏中的机器人经常“作弊”，它们并不是真的智能，比如计算机可以看到整个游戏地图，没有真正处于“战场迷雾”环境下，但机器人也会派出侦察兵四处侦察，这只是在做戏。

《星际争霸》不是终点

-------

杰米斯·哈萨比斯是DeepMind的创始人，在创立DeepMind之前，他就对《星际争霸》这款游戏产生了兴趣，因为他的一位同事是一名高手玩家。杰米斯对这位同事屡战屡胜的能力非常着迷，有一段时间，他每晚把自己和他关在一个房间里，想办法战胜他。有时会为其设置障碍，让他在没有鼠标或单手的情况下玩游戏，这样便可以准确地分析他的哪些操作让他获胜。

杰米斯将DeepMind的部分工作转向开发具有竞争力的《星际争霸》机器人，并和暴雪公司合作开发了一个供机器人玩《星际争霸2》的官方界面，从而让开发者帮助机器人以更有条理的方式学习。

最终AlphaStar成为第一个打败《星际争霸2》顶级人类职业选手的AI。今年1月，在人类vs AlphaStar的11场比赛中，人类只取得了一场胜利。

攻克《星际争霸》是否意味着我们就能攻克智能？答案很简单，不是。

《星际争霸》并没有涉及人类智能的许多方面，包括人类从全新的、非结构化的环境中理解并得出结论的能力。

创造出一个机器人，让它能够把《星际争霸》这个游戏玩出顶级水平，这可能是一个引人注目的结果。然而，我们在这个过程中获得的工具和架构——新的搜索算法、新的感知算法和新的强化学习算法，这些将是更重要的成就。

互动送好礼

谈谈人与机器的共处

你肯定没在《星际争霸2》中和AlphaStar对战过，也不曾被AlphaGo打败，但你也许经常请教“小爱同学”或者被Siri调侃。无处不在的AI及其雏形可能已经渗透到你的身边，你会欢迎还是抗拒类似《黑镜》、《真实的人类》等影视剧中所演绎的人与机器相处的生活吗？我们将挑选10位留言走心的读者送出《智能机器如何思考》一本，帮你更加了解AI。本书为中信出版集团友情提供。

（声明：本文仅代表作者观点，不代表新浪网立场。）