正在閱讀:APM高就能穩贏?AI用實力碾壓職業游戲玩家APM高就能穩贏?AI用實力碾壓職業游戲玩家

2019-01-28 00:15 出處:PConline原創 作者:卡夫卡 責任編輯:sunziyi

  【PConline 資訊】今日凌晨,谷歌旗下的DeepMind與暴雪聯合直播了一場特殊的《星際爭霸2》比賽。為何說它特殊?因為這是一場職業玩家與谷歌最新AI程式AlphaStar之間的對決。最終,AlphaStar以10比1大勝世界頂級選手,這也是繼圍棋後,人類玩家又一次遭到AI碾壓,更是AI領域一個新的媯{碑。

  你可能有所不知,DeepMind的研究員從2016年就開始關注《星際爭霸2》,並幫助暴雪成功的研發出相關工具,即能夠打敗真人玩家的超級電腦。由於《星際爭霸》系列是個使用基準化分析法擬訂計劃、處理不確定性、空間推理等問題的絕佳環境,因此對於AI來說是個極大的挑戰。

  因此,若想在《星際爭霸2》游戲中取勝,不管是人類玩家還是AI都必須仔細平衡宏觀經濟管理和每個單位的控制,不僅需要平衡短期和長期目標,還要應對意外情況,同時兼顧後方經營與前方多線戰事,因此整個系統經常變得脆弱。

  為了訓練這個超級電腦,DeepMind為其加入了大約6.5萬場比賽的資料,不僅如此,未來的每個月還會在快取內存中再加入50萬場比賽數據。在“餵食”過真實玩家的比賽資料後,AI不僅開始執行標準的宏觀戰略,同時還會防備對手的高侵略性策略,學習速度呈幾何倍數的成長,實戰成績顯而易見。

   當然,不單單是《星際爭霸2》,實際上早在過去的幾十年時間堙A人類一直在用游戲測試和評估AI系統,而AI戰勝人類對手也並非近幾年才有的事。從1997年,IBM的深藍打敗過國際象棋大師加力·卡斯帕羅夫,深藍電腦可以每秒思考2億步,而卡斯帕羅夫很可能每秒不超過五步。以及後來,谷歌AI AlphaGo先後打敗李世石、柯潔等多名世界頂級棋手,都顯示出電腦強大的計算能力與學習能力。

  在棋類對弈中,其規則是一方走完另一方再走。因此。當人類選手出棋後,AI有充足的時間可以在數據中搜尋最佳方法,那麼相比棋牌類這種時間上“切片化”的對戰方式,電競游戲的行動空間則要複雜很多,比賽時不僅可以有多名玩家參與,且每個玩家可以同步做出行動,每個行動還可以有不同的時間長短,位移和移動都是空間連續的,攻擊防禦技能物品等也有很多的變化,AI需要針對人類玩家的動作及時做出反應,如何將接收到資訊快速處理並做出下一步動作,這對AI的算力與分析能力是個極大的考驗。所以,這也是為什麼將此次比賽稱為AI領域一個新的媯{碑的原因所在。

  與AI相比,人類的優勢在於豐富的實戰經驗,有針對性的戰術設計以及臨場反應與應變能力;而AI則幾乎能在瞬間穫取全部有用資訊並得到反饋,並對每個單位進行及時、單獨、精細的操控,能以壓倒性的數據分析處理速度,更有龐大的資料庫為其做支援。

   但是從另一方面來看,透過這些案例我們不難發現,聰明的AI現階段仍要依靠人類對其“餵食”經驗並反覆訓練它們,透過學習這些經驗得以超越人類。就拿此次的《星際爭霸2》來說,人機對決是在一張固定的地圖中進行,場景提前都已熟知,那麼當面對的是一張陌生地圖時,AI還能否戰勝人類玩家?換言之,當我們把AI推出其所熟悉的舒適區後,AI還能做些什麼,還會有超越人類的創新存在嗎?這是一個值得思考的問題。

   此外,AI技術目前仍面臨著一大挑戰,就是系統出錯的方式各種各樣,需要繼續精進以規避這些毫無規律的系統錯誤。最後我們想說,隨著AI技術不斷發展,未來終有一日智能系統可以幫助我們解鎖那些最重要、最基本的科學問題的創新方式。

 
3D列印的磁性網格機器人長這樣?可抓取小物體 用不鏽鋼材料製造飛船?馬斯克是這樣說的 國內首次:零下20度環境測試聯通5G成功傳輸4K 物聯網變得日益普及 安全問題仍然是隱藏的風險 數據中心報告出爐 你最關心的文印產品在這裡

為您推薦

加載更多
加載更多
加載更多
加載更多
加載更多
加載更多
加載更多
加載更多
加載更多

網路設備論壇帖子排行

最高點擊 最高回覆 最新
最新資訊離線隨時看 聊天吐槽贏獎品