谷歌明星科学家：即使《星际争霸2》衰落，其学习环境的架构和理念还可延伸至无人驾驶、人脸识别 | EmTech重磅
2018 年 1 月 28 日，一位来自谷歌 DeepMind 的科学家在DT君主办的 EmTech China 峰会的圆桌讨论环节中透露，基于《星际争霸2》搭建的 AI 学习环境竟可以被拓展至其他领域，不仅限于其他电子游戏，甚至是无人驾驶和人脸识别。
图丨Oriol Vinyals 在演讲
这位科学家正是 Oriol Vinyals，他曾于 2016 年入选麻省理工科技评论 35 岁以下年度创新 35 人，即 TR 35。当然，Oriol也是《星际争霸2》AI学习环境，SC2LE的开发者。
什么是SC2LE？
第一篇关于 SC2LE 的论文于 2017 年 8 月发布，该论文讲述了基于《星际争霸2》的学习环境，AI如何通过这款游戏去训练自身，最终达到和玩家持平，甚至超越职业选手的水平。
图丨 SC2LE 运行原理
Oriol 表示，这款游戏对于DeepMind，或者对于 AI 来说，是一个训练空间，或者可以说是媒介。任何 AI 算法都需要媒介，越真实越好。
谈话间，他在现场播放了两段没有经过真实训练的 AI 机器人运动视频，结果发现，这些机器人只要碰到一些小小的阻碍就会立刻摔倒，还有可能导致系统崩溃。
随后，他又为观众展示了两个虚拟角色跑步的模型，并解释道：“虽然这个训练环境是虚拟的，但它非常真实，包括了所有现实中的物理规则。因此，即使没有经过实际测试，然而其结果也比刚才那则演示更有意义。”
图丨职业玩家
实际上，《星际争霸2》则能很好的提供这样一个环境。Oriol以游戏中最基本的单位“SCV”来举例，一个“SCV”可能有四种操作方式：采集资源、建造建筑、侦查、扩张。
然而，仅仅这四种操作方式就包含了无数的变化。Oriol指出，AI想要控制一个SCV，需要先给予控制台一个选中它的指令，再点选目的地。不过，光进行这个操作还不够，还需要另一个控制台同时负责键盘的模拟，才能让一个SCV完成动作。
与此同时，Oriol展示了一位专业玩家的视频。职业玩家快速地敲击键盘，画面来回切换。Oriol赞叹道，这种游戏模式“就像表演乐器”一样。
然而，突然他打断了演示，并告诉在场观众：“这仅仅是SCV的操作而已，而《星际争霸2》中，每个种族都有十余种单位，他们的功能不同、能执行的指令不同。”
Oriol 停顿了一下，他说道：“人类玩家在弹指间所执行的操作，对于SC2LE来说要分成两块并且执行很多部，非常繁琐。然而，整场游戏看下来，人类玩家平均要进行5000次这样的操作。”
图丨DeepMind创造《星际争霸2》学习环境
这也就意味着，若 AI 想要战胜人类，那么它每执行一步策略，就要考虑数千步策略。不过，也正是这种近乎无限的变化空间，给了 DeepMind 一个更好的环境，因为真实的环境要比这复杂许多倍。
基于《星际争霸2》，但是这并不只是游戏AI
在圆桌讨论环节，有嘉宾提出，围绕该学习环境最多的问题，莫过于它有什么用处了？Oriol听到这个问题后笑了笑，说这其实是他走到哪都会被问到的问题。
他表示，《星际争霸2》是个电子游戏，它终究会被淘汰，这在所难免，但基于这款游戏的学习环境给了DeepMind一个适用面更广且可拓展的框架和算法，让开发者可以在别的问题上，用已有的方式来思考解决办法，使其事半功倍。
“同时，这对于我们（DeepMind）来说也是一个能力的训练。《星际争霸2》的环境非常复杂，一个人类玩家可以轻松解决的问题，对于 AI 来说可能需要调用一整个数据中心的资源才能解决问题，这不是我们想看到的。所以，我们学会了分解问题，把《星际争霸2》分解为了许多小块，比如刚才说到的，我们通过 60 x 40 的单元格去训练AI，而不是通过全局游戏去让 AI 理解这个问题。”
图丨Linux 上的 SC2LE 只有 60 x 40 的单元格，右边则是基于这些单元格的评价
事实上，一张《星际争霸2》的地图可能包含了数十万个单元格，但DeepMind把这些单元格分解成了许多相同或者相似的小单元格去思考问题。最终简化了步骤，降低了资源的消耗。
也正是因此，Oriol才在圆桌环节表示，即使《星际争霸2》因为时间的变迁而衰落，但这个学习环境的架构和理念，可以使其变成其他平台的AI技术。不只是游戏，还包括了无人驾驶、人脸识别等等。
AI 能否通过《星际争霸》战胜人类？
自从柯洁和李世石纷纷输给AlphaGo之后，人们更关心这样一个问题，“AI可以打败人类吗？”尤其是对于谷歌的AI。
2016 年 10 月的暴雪 Bliizcon 2016 上，DeepMind 宣布和暴雪共同以《星际争霸2》作为研究环境，来释放 AI 技术的潜能。前者称，游戏是完美的环境之一，使该企业能够快速有效地开发和测试 AI，以此提高算法的灵活性，最终通过游戏分数（胜负）来提供即时反馈。
2017 年 10 月，在第十三届人工智能和交互数字娱乐大会（Conference on Artificial Intelligence and Interactive Digital Entertainment 简称 AIIDE'17）上，社会各界的 AI 研究者们纷纷带着他们的《星际争霸》AI 来参加比赛。其中，使用异虫种族的 ZZZKbot 以 2465 胜 501 负的战绩拿下了冠军。
然而，就在这场比赛的十几天后，韩国上演了一场《星际争霸》人机大战。韩国前职业选手 stork 以 4:0 的巨大优势碾压了 ZZZKbot、TSCMO、MJ 这三个世界上水平最高的《星际争霸》AI。即使这场比赛对于 AI 领域来说，意义非常重大，但一些专业的《星际争霸》选手认为，这场比赛并不好看，因为整个游戏的节奏完全倒向了 stork，AI 毫无取胜的可能性。
图丨轻松赢得胜利的Stork
AI 在《星际争霸2》上面临的挑战有增无减，但是对于 Oriol 来说无疑是个特大喜讯。他曾这样评价过基于《星际争霸2》的学习环境，“这是一个多人互动的多主体（指玩家、单位、建筑）环境，由于地图上的『战争迷雾』，AI 和玩家所获得的信息是不完整的。《星际争霸2》不仅有数百个单位的控制空间，还能提供一个从原始特征（画面、缩略地图）获得信息的平面空间。再加上资源分配（水晶和气矿），因此 AI 每做出一步动作，就要思考数千步战略。”
Oriol在演讲中指出，即使评价系统已经给现在的SC2LE做出极高的评价，但是和职业人类玩家相比，简直是小儿科。不过他倒是很开心，因为只有挑战才能给予 DeepMind 前进的动力，也只有战胜问题，才能赋予AI更强的能力。
同时，Oriol指出，AI存在很大的成长空间。他以AlphaGo为例，该AI在对战李世石时的能力是对战柯洁时的三分之一。换句话说，短短几个月，AlphaGo就成长了三倍之多。或许，真的会有一天，SC2LE会轻松击败职业玩家，正如今天我们轻松击败他们一样。
一切从《星际争霸2》开始，功在当下，利在千秋
要知道比起AI，Oriol更喜欢的是《星际争霸》。他从 15 岁就开始接触这款游戏，更是借助它在西班牙创出了一些名堂。事实上，公开资料显示，Oriol 曾在微软就职，并从事《星际争霸》对战 AI 的开发。用于在玩家无法寻找到对手时，替代人类对手与玩家交战。
也许，正是这件事情给了 Oriol 灵感。他在圆桌讨论时指出，《星际争霸2》可以用来训练AI，那么 AI 是否可以训练玩家如何玩《星际争霸2》呢？以AlphaGo为例，它通过对抗，创造了自己的独特的战术，而这个战术可以被人类选手拿来应用于其它棋局。
图丨Oriol正在讨论
《星际争霸2》相较于围棋来说拥有更多的地图、更多的可能性，SC2LE极有可能创造出独特的战术。那么，把这种战术用于训练人类玩家，尤其是零基础的玩家，可能会比让新手自己体验游戏高一些。
实际上，时间沉淀技术，《星际争霸2》这款诞生于过去的游戏，结合当下火热的 AI 技术，二者所塑造的无疑会是未来更自动化的生活。
Oriol指出，DeepMind所做的事情是建立平台。 他认为，这就和科学家不能左右他们的研究成果一样，SC2LE会面向更多的开发者和《星际争霸2》玩家。Oriol非常愿意开源这些平台，这是因为他认为 AI 需要创新者，他们能够让 AI 实现更多的功能。
Oriol 所描绘的画面，正是今后的 AI 社会。虽然不知道何时才能到来，但是功在当下，利在千秋。
-End-
本文主要来自 Oriol Vinyals 在 EmTech China 期间的会议演讲和圆桌讨论环节，更多精彩内容请稍后关注DT君对 Oriol Vinyals 独家专访。