DeepMind剛向星際爭霸 II 的玩家們下了戰(zhàn)書!

歐洲的星際爭霸玩家們即日將有機(jī)會和Deepmind AI打場比賽了！

出戰(zhàn)的AI是由DeepMind和暴雪聯(lián)合培養(yǎng)的，經(jīng)過了“特別的訓(xùn)練方式”，在星際爭霸界 II 早有過赫赫戰(zhàn)績，連續(xù)在10場比賽中擊敗了人類職業(yè)選手。

其實，在今年年初的那次交鋒總共有11場比賽，只有全球直播現(xiàn)場交手那一次，由于比賽限制了AI的“視覺”能力，MaNa幫人類贏了一場。

另外10場比賽，代表人類出戰(zhàn)的是職業(yè)選手TLO和MaNa。兩位選手分別與AlphaStar打了五場。如果說與TLO對戰(zhàn)時AlphaStar還是萌新的話，那么與MaNa的對戰(zhàn)則完全顯示出了其戰(zhàn)術(shù)的老辣。畢竟，兩個比賽才相隔2周，AI 自學(xué)成才的能力已經(jīng)初步顯示了可以超越人類極限的潛力。

AlphaStar VS TLO

那次輸給AI后，不少星際爭霸 II 的人類玩家都躍躍欲試，希望能親自挑戰(zhàn)AI，但只有少數(shù)職業(yè)玩家有權(quán)與AI對抗。

直到今天，星際爭霸官方發(fā)推表示，歐洲區(qū)星際爭霸 II 的玩家，將有機(jī)會在限定時間內(nèi)與 DeepMind 的Alphastar人工智能對抗。

你的對手可能是只AI，而你毫不知情

作為正在進(jìn)行的人工智能研究的一部分，DeepMind 星際爭霸 II 代理商 AlphaStar 的實驗版本很快將在歐洲競爭激烈的平臺上與人類玩家對抗。

在官方“戰(zhàn)書”中，Deepmind表示，如果你希望有機(jī)會和DeepMind 與 AlphaStar 打匹配，你可以點(diǎn)擊游戲內(nèi)部彈出窗口上的"選擇加入"按鈕進(jìn)行選擇。你可以隨時使用1v1 Versus 菜單上的"DeepMind opt-in"按鈕來改變你的選擇。

為了確保測試數(shù)據(jù)的真實，玩家不會被告知他們正在和阿爾法星人工智能對抗。因為當(dāng)玩家知道自己在對抗AI時，他們的反應(yīng)可能會有所不同。玩家可能會參與社區(qū)中所謂的"奶酪策略"，而 AI 可能還沒有準(zhǔn)備好。

從本質(zhì)上講，"奶酪策略"是一種非常規(guī)的戰(zhàn)略，旨在讓對手措手不及。這些游戲不會被納入AlphaStar的訓(xùn)練中，系統(tǒng)只能從人類回放和自我對戰(zhàn)中學(xué)習(xí)。

AlphaStar是如何訓(xùn)練的？

DeepMind也在今天的博客中描述了AlphaStar的訓(xùn)練方式。

AlphaStar是由一個深度神經(jīng)網(wǎng)絡(luò)生成的，它接收來自原始游戲界面的輸入數(shù)據(jù)，并輸出一系列指令，構(gòu)成游戲中的一個動作。更具體地說，神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)將transformer框架運(yùn)用于模型單元(類似于關(guān)系深度強(qiáng)化學(xué)習(xí))，結(jié)合一個深度LSTM核心、一個帶有pointer network的自回歸策略前端和一個集中的值基線。這種先進(jìn)的模型將有助于解決機(jī)器學(xué)習(xí)研究中涉及長期序列建模和大輸出空間(如翻譯、語言建模和視覺表示)的許多其他挑戰(zhàn)。

AlphaStar還使用了一種新的多智能體學(xué)習(xí)算法。該神經(jīng)網(wǎng)絡(luò)最初是通過在Blizzard發(fā)布的匿名人類游戲中進(jìn)行監(jiān)督學(xué)習(xí)來訓(xùn)練的。這使得AlphaStar能夠通過模仿學(xué)習(xí)星際爭霸上玩家所使用的基本微觀和宏觀策略。這個初級智能體在95%的游戲中擊敗了內(nèi)置的“精英”AI關(guān)卡(相當(dāng)于人類玩家的黃金級別)。

OMT: 知己知彼，百戰(zhàn)百勝？

最后，其實就在上周，一個由澳大利亞開發(fā)人員、機(jī)器學(xué)習(xí)工程師和研究人員組成的團(tuán)隊——StarAi就基于星際爭霸的人機(jī)對抗開發(fā)了一個機(jī)器學(xué)習(xí)課程，并且在線免費(fèi)發(fā)布，只用瀏覽器就能學(xué)！不如先去了解一下你的對手，再來試試看勝算有多大呀！