擊敗DotA2頂級人類玩家，並不是AI的一次突破

作者：Denny Britz，前谷歌大腦團隊成員
問耕 編譯整理
量子位 出品 | 公眾號 QbitAI

△ 工作人員手裡舉著一個U盤，裝在裡面的就是擊敗了人類DotA 2頂級玩家的人工智慧程序

當我昨天看到OpenAI的人工智慧，在一項獎金2400萬美元的電子競技賽事上，擊敗DotA2人類頂級高手時，整個人感覺超興奮。

（事件回顧點這裡）

這是因為，一方面我是一個電子競技的冬粉。儘管沒玩過DotA 2，但我經常在Twitch上觀看其他其他電競賽事，高中時我還當過一陣半職業選手。

更重要是的，像DotA這類多人在線戰術競技遊戲（MOBA），以及星際2這類實時策略遊戲（RTS），通常被認為遠超目前人工智慧的駕馭能力。因為這兩類遊戲需要長期戰略決策、多人合作，比國際象棋、圍棋有著更複雜的狀態和動作空間。

DeepMind已經在星際2上研究了一段時間，前不久剛剛發布了新的進展，但目前為止，相關研究還沒有取得重大突破。大家普遍認為，距離人工智慧在星際2上吊打人類頂級玩家，至少還有一兩年的時間。

這就是OpenAI這個成果如此令人震驚的原因。這是怎麼回事？最有有什麼人工智慧方面的突破是我沒有注意到的么？於是我開始研究這個DotA 2人工智慧到底幹了什麼，它是如何訓練的，以及在什麼樣的遊戲環境中運行。

我的結論是：這是一個令人印象深刻的成就。但不是一次AI上的突破。

通過這篇文章，我想提供一個關於此事的清醒解釋。實際上，過度炒作人工智慧的進步才是真正危險的事情。例如，下面這位在推特上的發言，才是真正的誤導。

這是伊隆·馬斯克的推特，這位矽谷鋼鐵俠不單創辦了特斯拉，而且創辦了OpenAI。上面這篇推特中，馬斯克大意是說：OpenAI搞出了史上首個擊敗電子競技頂級玩家的人工智慧。這比搞國際象棋和圍棋什麼的複雜多了。

在第二條推特中，馬斯克再次發表曾被AI屆猛轟的觀點：沒人喜歡被管制，但對公眾構成危險的一切（汽車、飛機、食品、藥物等）都應該受到管制。AI也是一樣。

（插播：當然，馬斯克還發了一條，量子位就不翻譯了，貼圖如下）

首先要聲明的是，我今天要談及的炒作或者誤導，並不是OpenAI研究人員的錯誤。OpenAI一直在研究方面都有諸多貢獻。目前，OpenAI還沒有公布他們解決方案的細節，所以外界很容易就會得出錯誤的結論。

現在開始切入正題。我們先來看看DotA 2的人工智慧程序，到底解決了一個多困難的問題？尤其是與AlphaGo相比。

1v1不能與5v5相提並論

在正常的DotA 2遊戲中，兩個對抗的隊伍各由五名玩家組成。遊戲過程中需要高級策略、團隊溝通和協調，一局比賽通常要45分鐘。

而這次人工智慧擊敗人類的比賽，採用了1v1的模式，這種模式有太多限制。例如雙方基本上只能沿著單線前進，並嘗試擊殺對方，遊戲過程幾分鐘就結束了。

在1v1模式中，擊敗對手主要靠機械技能和短期策略，並不涉及長期規劃和協調，而後者才是對當前AI技術來說最具挑戰性的部分。

事實上，在這次的人機DotA 2對抗中，可以採用的有效動作數量，少於圍棋人機大戰；有效的狀態空間（目前局面情況），如果以智能的方式表示，應該比圍棋要小。

AI可以獲取更多信息

OpenAI的人工智慧程序，極有可能是構建在DotA 2原有的機器人介面之上，可以獲取更多人類玩家看不到的信息。即使OpenAI的研究人員限制了這些信息的獲取，人工智慧仍然能夠得到比人類更精準的信息。

例如技能的施放，人類玩家必須緊盯屏幕，並且估算與對手之間的距離。而AI知道確切的距離，並且能立即決定是否施放技能。獲得精準的數字信息是一個很大的優勢。其實對戰過程中你就能看到，AI有幾次攻擊都是在最大距離上展開。

• 反應時間

  AI可以立即作出反應，人類不行。再加上剛才說的信息優勢，AI的優勢進一步擴大了。比方，一旦對手逃離攻擊範圍，AI可以立刻取消攻擊命令。

• 使用單一英雄

  DotA 2中有上百種不同的英雄角色，各具不同的能力和優勢。而AI掌握的只是其中一個英雄：Shadow Fiend（影魔）。影魔通常會立刻展開攻擊，而不是在一段時間內學習掌握更複雜的攻擊技能，這更加有利於發揮AI在信息和反應方面的優勢。

  所以，鑒於1v1主要比拼機械技能，AI擊敗人類玩家並不奇怪。鑒於遊戲環境被嚴格限制，造成一些列戰術和策略也被限制，而且對戰中幾乎沒有必要進行長期規劃或協調。

再次重申我的結論：這次AI擊敗DotA玩家，比在圍棋中擊敗人類冠軍要容易得多。人類沒有在AI領域突然取得突破。

這次在DotA對抗中之所以AI獲勝，是因為研究人員聰明的設置了問題，使得AI可以繞過目前人工智慧的技術限制。

據說這個OpenAI訓練這個AI打DotA花了2周。與之相比，AlphaGo在Google的GPU集群上進行了數月的分散式大規模訓練。兩個程序之間的計算要求有著數量級的區別。

好吧，最後誇誇這個會玩DotA的AI，到底有何精彩之處？

• 完全通過自學訓練

  AI不需要任何訓練數據，也不會從人類的比賽中學習。整個學習過程隨機開始，並且通過和自己對抗進行學習。雖然這不是什麼新技術，但令人驚訝的是，AI學會了人類玩家已經在使用的技術。這很酷。

  AI可能還有其他技術，甚至人類都不知道。這與我們在AlphaGo中看到的類似，圍棋選手已經開始學習AI的下棋方式。

• AI+電競的重要一步

  在具有挑戰性的環境中（例如DotA 2和星際2）來測試AI技術是非常重要的。AI可以為遊戲提供更多的價值，遊戲也會助推AI更快發展。

• 不完美信息

  在DotA對決中，人類玩家智能看到地圖的一小部分，視線受到妨礙。AI可能也一樣，雖然還不清楚OpenAI如何處理這個問題的細節。

  這意味著與圍棋、國際象棋、Atari遊戲機等環境不同，AI在DotA中處於一個部分可觀察的環境，而無法獲知關於遊戲當前狀態的完整信息。這類問題通常難以解決，話雖如此，但目前還不清楚1v1的DotA 2比賽中，視野的重要性到底幾何。

不管怎樣，非常期待看到OpenAI關於這次比賽的技術報告。

—— 完 ——

加入社群

量子位AI社群7群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot2入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，)對話界面，回復「招聘」兩個字。

量子位 QbitAI

վ'ᴗ' ի 追蹤AI技術和產品新動態