继今年3月，谷歌DeepMind推出的围棋人工智能机器人AlphaGo，打败职业棋手李世石，震惊世界后，DeepMind又在近日宣布，将与暴雪公司合作，用和人类玩家相同的视角和权限，共同开发《星际争霸2》的AI机器人。也许我们就会在暴雪嘉年华上，看到机器人拿走总冠军的一天。

在AI正式进入职业比赛之前，暴雪和DeepMind将在明年的第一季度发布一个仅供AI开发者们测试的《星际争霸2》的游戏环境，一个界面与普通游戏相同，但更简单、更适合机器学习系统。同时，API会允许AI读取真实的游戏数据，来训练自己，或者用游戏的编辑软件，完成开发者制定的任务。

AI会在游戏初期选择三个独立比赛区中的一个，学习选择采集矿石的时间和地点，学习建地施工的世纪和场所，最重要的，是培养离开所处的视觉范围，对不可见的领域进行探索、绘图和记忆的能力。AI的记忆力、测绘、建立长期目标计划、收集信息等能，都将在一个游戏中得到自我锻炼和提高，最终，将开发出和人类处在同一视角和思维模式的AI机器人玩家。

《星际争霸》复杂的策略

暴雪将使用《星际争霸2》作为AI研究的环境，进行测试、训练，让机器人能够在暴雪的游戏世界中的“真实”世界成长。游戏的环境，有着自己的世界观和构架，也有着自己的隐形条款和视角，能够训练处更加有自由度和智能的机器人。同时，在拥有职业选手的竞技比赛和规则下，AI也能获得即时反馈。

RTS即时战略游戏在暴雪的发展下，不仅吸引了大众玩家，还几乎是建立了电子竞技的概念，20年间，产生了大批以此为生的职业玩家。《星际争霸》对技巧、操控、决策、反映都有着很高的要求，在职业竞技中，《星际争霸》也是最具挑战性的RTS游戏。作为一个复杂的策略游戏，玩家需要同时对资源进行管理、侦查环境以及展开战争。单就是《星际争霸》的画面、速度，就远超过了此前训练的Atari 2600游戏平台，对AI的视觉（像素输入）观察要求更高。

对于暴雪公司和玩家来说，星际AI机器人的引入和培养，可能会给游戏本身带来巨大影响。如果DeepMind的AI被培养成为新一代的顶级选手，那么它的发展速度、游戏方法和思维都可能提高整个职业玩家现有的水平。

对强化学习的挑战

DeepMind所训练的强化学习，就是让机器人能够像人类一样，在没有手动建模和域启发的情况下，通过不断地试错、进行自我奖励或惩罚，从视觉等直接原始输入资料中进行知识的学习和系统的搭建。

2014年，DeepMind推出了成功的深度增强学习算法，让Deep Q-network（DeepMind训练的深度神经网络）通过Atari游戏的训练，在没有经验知识的前提之下进行训练。并且从2D的视觉逐渐突破到3D视觉，训练AI的适应能力、和计划概念等抽象的、高层次的能力。

在这些封闭的游戏环境中，围棋是最困难的，也是DeepMind非常大的突破。AlphaGo在3月击败李世石，将深度增强学习推到了一个新的高度，让AI不再是一个单纯的计算，而是向人类一样拥有“直觉”。此外，DeepMind还利用德州扑克进行训练，由于德州扑克的牌面信息并不完整，玩家需要猜测对方手中的牌，AI在自我的训练、纠错中，也逐渐掌握了德州扑克的技巧。

但是在《星际争霸》的环境中，从玩家不能够察觉的角度，游戏的后台同时也在进行操作，而这些操作都是不可预见的，也就是说，AI和人类一样，将无法获得所有的信息。因此，AI所获得的直接、原始的信息，其实是不足以让它生成出正确的行动的。AI必须在派遣部队，去视线之外的对方阵营进行侦查，以获得完整的信息，并且将这些信息储存在记忆当中。

游戏的分层结构和“隐藏”的信息，就与围棋对环境的全知视角产生了强烈的反差。因为双方阵营都在即时发生着变化，所以每一个决策和动作，必须即时且快速。