作者ddavid (謊言接線生)
看板StarCraft
標題[情報] DeepMind AI「AlphaStar」
時間Sat Jan 26 19:27:02 2019
感想先寫在前頭，這篇有講到一些設定的部分，事實上每五場都是五個不同模型
。然後輸的那場有要讓AI切螢幕，而且只訓練一個星期而已。也就是說別的模型說不
定未必會有那個空投拉扯問題。
APM部分的限制不知道到底怎麼設定的，感覺是峰值APM也應該限制一下。
DeepMind AI「AlphaStar」對戰《星海爭霸 II》職業高手，取得十勝一敗成績
https://engt.co/2Sahn4j
在基本上輾壓了圍棋界之後，DeepMind 團隊將目光放到了自由度更高的即時戰
略遊戲，並且最近都在忙著調校一個新的「AlphaStar」AI，來挑戰《星海爭霸 II》
的職業高手。在上月底連續兩組五局對戰中，AlphaStar 先全勝了 TLO，接著又在第
二組對戰中全勝了 MaNa。唯有最後一場直播的對戰，才讓 MaNa 好歹為人類爭了一
口氣，贏回唯一一場勝利。
不過，事情當然不像表面那麼簡單。AlphaStar 相對於人類，其實是隱藏優勢的
。這時候有在玩 RTS 的讀者大概會猜是反應速度、或是手速，但其實都不是 --
AlphaStar 的「手速」（也就是每分鐘動作數）其實平均只有 277 APM，比起星海職
業選手的平均 559 APM 要少了不止一點，再加上 AI 從發現新狀況，到計畫出合理
的回應，中間大約要 0.35 秒的時間，這也比一般職業高手差。在這部份，
AlphaStar 完全是靠更有效率的操作，與更經濟的決策來彌補的。AlphaStar 真正「
作弊」之處，在於它可以同時看到整個地圖，當然戰爭迷霧還是存在，只是
AlphaStar 不像人類對手一樣，要一直不停地在地圖來回跳動檢視，自然也不容易被
偷襲囉。
AlphaStar 的訓練和其他類似的 AI 系統一樣，都是先由觀看無數的人類對戰影
片，來產生一個模型，再由這模型產生一大堆類似但不完全相同的「分身」，再讓這
些分身下去對打，直到決勝出最厲害的五個 AI「選手」為止。在一個月的虛擬對戰
中，AlphaStar 的諸多分身份進行了等同於現實時間 200 年的對戰時長，最後選出
的五個代表每個都有不同的遊戲風格，並且是 DeepMind 認為最有獲勝機會的。就是
這五個代表被推上去與 TLO 和 MaNa 各對戰了一次（避免風格重複被看破手腳，同
時 MaNa 面對的 AlphaStar 更有經驗一點），並取得了十戰全勝的成績。
至於最後一場呢？原來這是個「實驗版」的 AlphaStar，拿掉了上面提到的那個
「隱藏優勢」，讓模型必需和人類一樣時不時地檢查一下地圖的各個角落，自然也就
有錯漏重要資訊的可能。雖然也有著一個禮拜的訓練時間，但 DeepMind 團隊未能讓
它先與人類選手「切搓」一下，因此與 MaNa 在直播上的對戰是它與人類面對面的初
戰，可惜輸給了對方。
當然，對我們一般人來說，就是真正具備高度挑戰性的遊戲 AI 已經不再是個夢
想，即使是即時戰略這樣沒有明確的勝敗因素、沒有完整的資訊、而且需要長遠的概
念的遊戲，AI 都有打敗人類的潛力了。有興趣的話 DeepMind 自己的部落格上有
AlphaStar 與兩位人類的對戰影片，可以去看看 AlphaStar 採取的各種奇怪的戰略
囉。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.165.93
※ 文章網址: https://webptt.com/m.aspx?n=bbs/StarCraft/M.1548502025.A.A4F.html
2F：推 HenryLin123: AI的APM應該要降 不然就是不能用API 用滑鼠輸入吧 01/26 21:19
3F：推 jiaching: 看了VOD 人類除了兵力大優 不然會戰完全被AI的操作完爆 01/26 21:51
4F：→ hijacker: 閃追操作也很猛 剩下一大堆殘血的追獵 01/26 21:54
5F：推 clamperni: 只要APM合理操作就合理 01/26 22:28
6F：推 HenryLin123: 一點都不合理 滑鼠隨點隨到 這樣練出一個只會操作的A 01/26 23:26
7F：→ HenryLin123: I有何意義 01/26 23:26
8F：推 Jotarun: 1. 就算練出只會操作的AI一樣神 不然以前怎麼練不出 01/26 23:59
9F：→ Jotarun: 2. 模擬滑鼠或者機器手臂什麼的都是花招而已 01/27 00:00
10F：→ Jotarun: 真的要直接限制單位時間數量或特定動作延遲即可 01/27 00:00
11F：→ Jotarun: 3. 這個不是最後結果 不需要現在就蓋棺論定 01/27 00:01
12F：推 gn00604767: 阿法星以後成長到一定程度會不會覺得很屈辱,泥馬的 01/27 00:53
13F：→ gn00604767: 限制我的手速這算是怎麼一回事 01/27 00:53
14F：推 nissptt: 兵不厭詐，這是我們訓練AI的最終目的，能使詐，並預測對 01/27 01:12
15F：→ nissptt: 手(使詐), 權衡得失以獲得勝利。其他的都是附加而已。 01/27 01:12
16F：推 arrenwu: APM沒啥好限制的吧 本質上就只是操作比較強而已 01/27 04:54
17F：→ arrenwu: 職業選手之間進行比賽，也有操作的高低，難道我們就會去 01/27 04:54
18F：→ arrenwu: 跟操作比較強的選手說請他放慢嗎？ 01/27 04:54
19F：→ arrenwu: 頂多是希望DeepMind不要做出一個只有操作比較強的AI 01/27 04:55
20F：推 shasen1235: AI如果是靠操作打贏人類就完全違背這個研究的意義了 01/27 08:02
21F：→ shasen1235: ，DM的計畫向來就不是如何打敗人類，而是看AI能不能 01/27 08:02
22F：→ shasen1235: 找出更好的營運和會戰方法，都歷經一次AlphaGo了還有 01/27 08:02
23F：→ shasen1235: 人不知道這個計畫在幹嘛 01/27 08:02
24F：推 hankower: 加入模擬滑鼠的操作 限制移動速度應該可以防止非人操作 01/27 08:59
25F：→ jiaching: 希望能公布AI的第一視角VOD 一定很有趣 01/27 09:50
26F：推 HenryLin123: APM沒限制好就是出現這樣的AI 01/27 09:51
27F：推 mrmowmow: ai的目的不是什麼找出新戰術好嗎？dm的目的是讓ai自己學 01/27 11:02
28F：→ mrmowmow: 習遊戲到打敗人類，他們才不管你有沒有什麼新戰術 01/27 11:02
29F：推 pheather: DeepMind的目的是讓AI學會玩這個遊戲，然後它們目前學習 01/27 12:31
30F：→ pheather: 得出的結論是SC2這遊戲靠操作。好像也不是很意外？尤其 01/27 12:31
31F：→ pheather: 是同族對決 01/27 12:31
32F：推 arrenwu: 其實應該說我們應該要有輔助系統幫助人類處理手速問題 01/27 12:40
33F：→ arrenwu: 這樣這個實驗才好繼續做下去 01/27 12:40
34F：→ arrenwu: 因為APM還是其次，AI不可能模仿人類「注意力下降」的部分 01/27 12:41
35F：推 Adonisy: AI模仿人類的紀律性與戰略 01/27 13:32
36F：推 LochtsStorM: 還在扯手速= = 01/27 19:45
37F：推 fragmentwing: 有在用智能指令就知道 ai 破千的apm和玩家的意義絕 01/27 21:36
38F：→ fragmentwing: 對不一樣 01/27 21:36