AI挑戰(zhàn)星際爭霸：未來電競比賽是否成為代碼的天下？專欄
自從谷歌的AlphaGo（以下簡稱AG）戰(zhàn)勝了圍棋九段高手李世乭后，一方面關(guān)于人工智能的爭議再次塵囂直上，另一方面AG又找到了新的挑戰(zhàn)領(lǐng)域。3月27日，暴雪娛樂制作總監(jiān)Tim Morten在上海WCS世錦賽上宣布證實，狗狗下一個挑戰(zhàn)目標將是星際爭霸2（以下簡稱SC2，星際爭霸簡稱為SC，以后不再贅述）。
關(guān)于AG和星際爭霸職業(yè)選手的比賽，人們最關(guān)注的無疑是比賽結(jié)果，究竟是AG再次將人類驕傲的自尊捏個粉碎，還是人類反戈一擊，證明人工智能所謂的勝利只不過是一時僥幸？
AG如何學(xué)習(xí)？
所謂“知己知彼，百戰(zhàn)不殆”，要分析AG能否戰(zhàn)勝職業(yè)選手，首先就要了解AG如何學(xué)習(xí)一種全新的規(guī)則。與前輩“深藍”所采用的推演式算法不同，AG在與李世乭對戰(zhàn)之前，除了學(xué)習(xí)圍棋的基本規(guī)則外，還學(xué)習(xí)了人類對弈中使用的近3000萬種走法來“豐富閱歷”，讓AG學(xué)會預(yù)測人類專業(yè)棋手怎么落子。然后讓AG自己跟自己下棋，從而又產(chǎn)生規(guī)模龐大的全新的棋譜，據(jù)谷歌工程師宣稱，AG每天可以嘗試百萬量級的走法。而在正式對弈中，AG會通過蒙特卡洛樹搜索算法從這種對弈方法中搜索出勝率最高的走法。
相比國際象棋，圍棋的走法可能性非常多，僅起手時就有19*19種落子方式，更不要說以后的棋子布局方式了。在有限的國際象棋棋盤上，“深藍”可以依靠推演算法算出之后的12步棋，但是在圍棋上，這種“思維方式”非常陳舊，耗費資源多且效率低下，因此才被“學(xué)習(xí)+思維”的全新方式取代。
AG有何優(yōu)劣？
可以說，AG需要先學(xué)習(xí)SC2的基本規(guī)則，包括地圖地形、各種族兵種的攻防數(shù)值，在此基礎(chǔ)上消耗時間學(xué)習(xí)之前SC2職業(yè)高手大量的對戰(zhàn)，最后自我對戰(zhàn)形成更多戰(zhàn)術(shù)儲存在服務(wù)器中，最后利用蒙特卡洛樹搜索算法進行戰(zhàn)術(shù)對比，在實際對戰(zhàn)中與職業(yè)高手一較高下。
但是，由于游戲本身就是多個規(guī)則邏輯模塊組成的程序集合，與AG可以說是源出同門，由人工智能程序執(zhí)行游戲程序，執(zhí)行效率不知要高出人多少倍。目前頂尖的職業(yè)選手，其APM（每分鐘操作次數(shù)，鍵盤+鼠標的總和）也不過400多，如果扣除了重復(fù)操作外，其EAPM（每分鐘有效操作次數(shù)）就更低了，但與此相比，AG運行后保守估計其APM可以超過8000，并且全部都為有效操作，AG完全可以憑借高速操作，達到戰(zhàn)術(shù)勝利累積到戰(zhàn)略勝利的目的，這段視頻足以說明AI能夠以人類完全達不到的手速吊打人類。
100指小狗VS20輛攻城坦克，職業(yè)選手僅消滅了2-3輛坦克，AI卻能判斷彈著點防衛(wèi)避開攻擊，消滅全部坦克后還有僅20只左右的剩余。當然AG也并不是完全沒有劣勢，人工智能沒有什么戰(zhàn)略戰(zhàn)術(shù)的概念，如果要AG達到職業(yè)選手所需要的戰(zhàn)略戰(zhàn)術(shù)概念，目前還不知道要消耗多長時間。同時目前在比賽中需要為AG設(shè)定操作視野范圍和偵察的功能，不然地圖加載完成后，AG可以在最短時間內(nèi)制定出最優(yōu)路線，而職業(yè)選手需要依靠士兵探索，這養(yǎng)的比賽幾無公平可言。
由AI挑戰(zhàn)AI的電競？
雖然AG挑戰(zhàn)職業(yè)選手的眾多細節(jié)還未確定，但目前已經(jīng)引起了各方的興趣，暴雪方面可以通過比賽增加對SC2的關(guān)注度，一改目前SC2的弱勢局面。而同時，AG與職業(yè)選手的比賽也可以為電競增加新的內(nèi)容形式，不僅是人工智能挑戰(zhàn)人類，而且可以衍生出AI挑戰(zhàn)AI的比賽方式。
由于SC中的 AI可以由第三方腳本的形式存在，所以AI挑戰(zhàn)AI的技術(shù)并無技術(shù)難度。早在母巢之戰(zhàn)資料片中，用代碼玩 SC的 的服務(wù)器API就已經(jīng)存在， 用C++代碼以及LUA語言可自由編程生成dll格式的AI文件，將這個AI文件注入程序后即可操縱SC的兵種。至今為止，AI文件已經(jīng)獲取SC內(nèi)存底層的各種建筑與兵種數(shù)據(jù)，并且操縱各種兵種作出各種動作，如果更多的人應(yīng)用這個API制作屬于自己的SC AI文件，那么在AI之間進行電競比賽就不再是一個夢了。
此前，美國的Elecbyte小組使用C語言與Allegro程序庫開發(fā)了一款免費2D格斗游戲引擎Mugen，吸納了眾多格斗游戲的知名人物和招式，通過這款引擎實現(xiàn)了各人物的穿越亂斗，并且已經(jīng)實現(xiàn)了AI之間的戰(zhàn)斗，眾多愛好者可以使用自己編寫的AI算法，讓格斗人物發(fā)出無法在實際操作中實現(xiàn)的酷爽連招，如今在SC中也同樣可以實現(xiàn)。
電競比賽發(fā)展到今天，此前競賽游戲的戰(zhàn)術(shù)潛力已經(jīng)被開發(fā)殆盡，此次人工智能挑戰(zhàn)職業(yè)選手一方面是為測試人工智能的潛力，另一方面也為電競比賽帶來了新的看點，同時支持第三方算法腳本的競技性游戲又為AI擴展提供了技術(shù)基礎(chǔ)，那么AI之間的電競挑戰(zhàn)又有何不可？讓眾多手速不足的“手殘”程序猿們通過自己的代碼一決高下，你興奮了嗎？
光速追獵者，微信svx2000，游戲開發(fā)者出身的游戲自媒體人，給你一個獨特的視角。希望加入同樣關(guān)注VR領(lǐng)域的游戲媒體。
1.砍柴網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標注作者和來源；2.砍柴網(wǎng)的原創(chuàng)文章，請轉(zhuǎn)載時務(wù)必注明文章作者和"來源：砍柴網(wǎng)"，不尊重原創(chuàng)的行為砍柴網(wǎng)或?qū)⒆肪控?zé)任；3.作者投稿可能會經(jīng)砍柴網(wǎng)編輯修改或補充。
