自從谷歌的AlphaGo（以下簡(jiǎn)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(zhēng)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(shí)，狗狗下一個(gè)挑戰(zhàn)目標(biāo)將是星際爭(zhēng)霸2（以下簡(jiǎn)稱SC2，星際爭(zhēng)霸簡(jiǎn)稱為SC，以后不再贅述）。

關(guān)于AG和星際爭(zhēng)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(gè)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(shí)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(lán)”所采用的推演式算法不同，AG在與李世乭對(duì)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(duì)弈中使用的近3000萬種走法來“豐富閱歷”，讓AG學(xué)會(huì)預(yù)測(cè)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(jí)的走法。而在正式對(duì)弈中，AG會(huì)通過蒙特卡洛樹搜索算法從這種對(duì)弈方法中搜索出勝率最高的走法。

相比國(guó)際象棋，圍棋的走法可能性非常多，僅起手時(shí)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(guó)際象棋棋盤上，“深藍(lán)”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(fèi)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(shí)間學(xué)習(xí)之前SC2職業(yè)高手大量的對(duì)戰(zhàn)，最后自我對(duì)戰(zhàn)形成更多戰(zhàn)術(shù)儲(chǔ)存在服務(wù)器中，最后利用蒙特卡洛樹搜索算法進(jìn)行戰(zhàn)術(shù)對(duì)比，在實(shí)際對(duì)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(gè)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(biāo)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(yùn)行后保守估計(jì)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(dá)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(dá)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(diǎn)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(dāng)然AG也并不是完全沒有劣勢(shì)，人工智能沒有什么戰(zhàn)略戰(zhàn)術(shù)的概念，如果要AG達(dá)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(zhǎng)時(shí)間。同時(shí)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(shí)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(jìng)？

雖然AG挑戰(zhàn)職業(yè)選手的眾多細(xì)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(duì)SC2的關(guān)注度，一改目前SC2的弱勢(shì)局面。而同時(shí)，AG與職業(yè)選手的比賽也可以為電競(jìng)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(yǔ)言可自由編程生成dll格式的AI文件，將這個(gè)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(dòng)作，如果更多的人應(yīng)用這個(gè)API制作屬于自己的SC AI文件，那么在AI之間進(jìn)行電競(jìng)比賽就不再是一個(gè)夢(mèng)了。

此前，美國(guó)的Elecbyte小組使用C語(yǔ)言與Allegro程序庫(kù)開發(fā)了一款免費(fèi)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(shí)現(xiàn)了各人物的穿越亂斗，并且已經(jīng)實(shí)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(shí)際操作中實(shí)現(xiàn)的酷爽連招，如今在SC中也同樣可以實(shí)現(xiàn)。

電競(jìng)比賽發(fā)展到今天，此前競(jìng)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(cè)試人工智能的潛力，另一方面也為電競(jìng)比賽帶來了新的看點(diǎn)，同時(shí)支持第三方算法腳本的競(jìng)技性游戲又為AI擴(kuò)展提供了技術(shù)基礎(chǔ)，那么AI之間的電競(jìng)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(gè)獨(dú)特的視角。希望加入同樣關(guān)注VR領(lǐng)域的游戲媒體。