星际争霸的虫王IA退役2年搞AI，自叹不如了

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

------------恢复内容开始------------

金磊发自凹非寺

量子位｜公众号 QbitA

这年头， 直播讲AI ，真算不上什么新鲜事。
但要是连 职业电竞选手 ，都开播主讲呢？

没开玩笑，是真事。

这位讲AI的主播，就是那个 《星际争霸2》的虫王 —— IA 。

然后，他讲AI的画风是这样的：

但有一说一，讲AI毕竟还是一件严谨的事儿。
IA的这波操作，怕不是在搞什么噱头吧？
我们不妨一同来扒一扒。

职业电竞玩家，为什么要做这么一件事？

其实，IA能够开直播讲AI，并不是没有“资本”。
首先他本身就是理工科背景出身，毕业于 华中科技大学 。
而且早在2年前，IA就从电竞圈，一个超大跨步迈进了AI圈——以游戏顾问的身份加入商汤集团X实验室，而如今，他已经成为了一个全职的决策AI研究员。
时隔两年，IA这一次在直播间的亮相，并不是简单地陈述“自身历练”过程。
而是直接搬出了一系列成果：

自己训练出来的AI已经落地，可以挑战《星际争霸2》复杂的场景，更可以直接对战顶级水平玩家了！

相关训练平台、针对星际2环境的训练代码已经开源了！

千亿算力训练出的职业级AI模型也可以 免费访问 ！这也是 目前开源界能接触到实力最强的星际2 AI模型 ！

至于为什么要搞这么一件事，IA阐述了自己的理由：

完成未竟之志。

从IA在《星际争霸2》的职业生涯来看，他的巅峰是中国的冠军。
但很遗憾的是，IA并没有实现问鼎世界冠军的梦想。
而通过训练AI智能体，让它能够越发地向自己的实力靠拢，打造另一个 “AI版IA” ，甚至是能够做到超越自己。
或许，这也是一种实现自我理想的方式。
不仅如此，在实现梦想之上，IA在更早的是时候也曾透露过他对电竞AI的希冀：

我希望做到的是从AI模仿人类出发，再到人类去模仿它；我希望AI真正拓展人类的认知，拓宽人类的想象力。

从结果上来看，现如今IA确实离这样的梦想更近了一步。

这时你会问了，之前不是经常有“AI在《星际争霸2》中战胜人类”的消息吗？
确实不假。
但在IA看来，在《星际争霸2》中AI并没有完全战胜人类：

目前还没有AI，能够在《星际争霸2》中完胜人类最强的选手。

而想让AI完胜人类，还有两方面的问题亟待解决。
第一就是种族的问题。

从上面的天梯测试图中不难看出，同样的AI在玩虫族时候的表现是最弱的；但虫族在人类玩家手上，那可是强得一批。
原因在于虫族是一个被动防守的种族，这就体现到了AI随机应变能力方面的不足。
第二就是最优策略的问题。
从现在人和AI对战的事实情况来看，只要人类跟AI过上几招，很快就能找到它的“套路”，然后对其进行击破。
因此，AI通过训练找到的最优策略，很显然并不是最优解。
既然问题和困难如此重重，IA训练出来的AI又达到了怎样的水平呢？DI-star，了解一下。

这是专门为《星际争霸2》开发的大规模游戏AI分布式训练平台。
目前，DI-star已经在虫族上达到了宗师级别(Grandmaster)水平。话不多说，来看下IA在直播间放出的结果。
例如在与台湾省职业选手 Rex 的对战过程中， DI-star靠精细的微操建立前期优势 。

而与前世界冠军 Scarlett 的对战中，DI-star能使用出 女王前压 这样的人类不常见战术 出奇制胜 。

不难看出，DI-star已然在对战过程中的 决策层面 上开始大放异彩。
那么接下来的一个问题就是：

DI-star是怎么炼成的？

IA在直播过程中，也没有对这个问题做任何遮掩，而是直接将重要的步骤“抛”了出来。
从整体来看，主要分为两个过程。
监督学习和强化学习。
首先，就是 监督学习 。
时间拨回到2020年年初，当DI-star项目正式开始启动时，团队总共也只有三四个人，而IA正式在这个时间以星际2游戏顾问的身份加入商汤。
体验过星际2的玩家都知道，每一场对决都需要经历“采集资源”、“生产单位”和“战斗”的过程。
而三者之间又环环相扣，需得是有足够的智谋，才能做到“运筹帷幄，决胜千里”。

起初，他们经历了一个非常痛苦的解决bug过程，用团队自己的话来描述，就是“几乎训练不出来任何哪怕有正常操作的AI”。
所以对于DI-star来说，先要做的就是需要去学习，反复观摩人类的高质量对战录像。
为此，商汤X实验室共用到了16万场ZVZ（虫族对虫族）的录像，版本跨度为4.8.2到4.9.3。
2020年7月，团队的AI终于迎来了与人类的首胜，但对手也只是一位刚学习星际2的研究员。

但若仅仅是这般“蹒跚学步”，DI-star的分数也只是能达到3000多分，离战胜人类顶级玩家的目标遥之甚远。
因此，商汤X实验室认为，关键的第二个过程就是 强化学习 。
在他们看来：

AI通过监督学习有了基础学习能力之后，需要通过互相之间的大量对战，提升自己的水平。

而在经过大约1亿局的对战后，到了2021年的6月份，DI-star第一次战胜了IA自己。

在接下来的时间里，IA就带着“AI版的自己”，边训练边寻找各大人类国手玩家切磋较量。
于是，就这么一步一步，DI-star最终拥有了能够挑战世界级选手的实力。
整个过程下来，在看着DI-star一点一滴“成长”的过程中，团队也有自己的经验总结：

星际的整个状态空间太大，AI在训练过程中，有很多的局面都是没经历过的，在这些罕见局面就会出现不会应对的情况，所以在与AI对战的过程中，只要你打的天马行空、不按套路出牌就行了。因此，也可以发现电竞AI研究的难点和重点，一方面是增强AI的泛化能力，做到像人类一样抽象地思考问题；另一方面是希望能够超越人类的认知，做出比人类更优的决策。

但除此之外，这个过程中的两个关键数据还需被放大关注——
“16万场录像”和“1亿局对战”。
单是从数字上就能体现出AI训练所需要的资源和时间之大了。
但IA却在直播说：

达到这样的水平，DI-star相比其它模型，所需要的时间和资源反倒会更少。

而之所以能解锁这样的技能，是因为在DI-star之下，有一个十分强劲的“动力”系统，源源不断地输出能量—— SenseCore AI大装置 。
具体而言，先从算力角度来看，商汤通过结合AI芯片以及AI传感器，构建了亚洲最大的人工智能智算中心(AIDC)。
这个AIDC预计能够产生每秒3.74百亿亿次浮点运算的总算力，相当于一天处理时长达到23600万年！
除此之外，从平台角度来看，AI大装置打通了从数据处理、模型生产、模型训练、高性能推理运算，以及模型部署等等各个环节。
而且不同于其它厂商采用开源工具，商汤这“一整套”都是自研的，具备更强的适配性，更利于模型的部署和应用。
至此，DI-star为何能够快、准、狠地被“调教”出来，就有了清晰的眉目。

决策智能——AI行业的下一代增长动力

但随着感知的能力越来越强，信息的维度越来越高，这就为运营、控制、决策类的问题的提升带来了更多的可能性，但是要求也越来越高。
例如自动驾驶行为控制、开放场景的资源运筹与调度、城市级交通的信号灯控制、车辆的调度和管理、封闭空间人流的优化、大规模活动时人力的调度等等。
而在这种情况，决策型AI便起到了关键作用。正如商汤智慧决策与游戏(ADG)事业部总经理兼高级研究总监刘宇曾提到的观点：