电竞之家_品味电竞生活移动版

最近，AI英雄榜又喜迎一位重量级新成员。在大家逐渐接受了人工智能“阿尔法狗”（AlphaGo）先后完虐人类两大顶尖棋手李世石和柯洁的事实，并开始逐渐淡定之时，8月11日，由埃隆·马斯克（Elon Musk）推出的一位AI玩家——OpenAI Bot高调出席了Dota2国际邀请赛，并在1v1比赛环节中于第一局比赛开场的十分钟之内，就迅速“吊打”了乌克兰现役Dota2顶级职业玩家Danylo Ishutin（绰号“Dendi”）。媒体当即哀鸿遍野，Dota2战场正式“被”宣布沦陷。

（Dendi与OpenAI Bot的“世纪之战”，图片截图自优酷视频）

于此同时，谷歌DeepMind联手暴雪娱乐也发出官方声明，欲训练AI挑战《星际争霸2》世界顶级玩家。

人工智能代表着计算机领域发展的制高点，在各行各业具有着无限潜力和应用价值，但不难发现，近几年来新闻中出镜率颇高的AI（人工智能）技术突破往往总和各类游戏联系在一起，从传统的棋牌类游戏（象棋、围棋、德州扑克）到电子游戏（星际、Dota），投资商及软件开发精英似乎总是偏爱从与人类生活关系并不密切的游戏入手，通过开发，如AlphaGo这样的游戏AI，在娱乐中促使我们思考诸如人类与人工智能的关系、人工智能的发展方向与未来等深奥的科学哲学问题。

那么问题来了，为何AI的开发总要以游戏为切入点呢？

正如AlphaGo之父，谷歌旗下DeepMind公司CEO哈萨比斯所说：“游戏是测试AI算法的完美平台，这里有无限的训练数据，不存在测试偏差，能够实施并行测试，并且还能记录每个可以量化的进展”。

"Games are the perfect platform for testing AI algorithms. There's unlimited training data, no testing bias, parallel testing, and you can record measurable progress."

-- Demis Hassabis, CEO and co-founder of DeepMind

（AI研究者与游戏挑战的关系，图片来自网络）

由此可见，与其说是AI研究者爱跳游戏挑战的坑，不如说是游戏挑战平台高效、安全和可测的运行环境就是为AI研究者跳坑而生。例如，在开发在自动驾驶系统中可以自动识别交通标志的AI时，为了避免在现实环境中进行测试为正常的车辆和行人造成困扰，普林斯顿大学（Princeton University）的研究团队更倾向于选择在《侠盗车手》（Grand Theft Auto）游戏中对AI识别交通标志的能力进行开发和测试。

由此可见，在这些游戏中胜出的AI，其意义远不仅局限于赢得比赛本身，而是想通过AI算法的开发，让其像人脑一样不仅具备处理各种问题的能力，还兼具自我学习和进化的能力，再利用其算法为人类做出更多的贡献。

事实上，自2014年以来，连续举办的通用游戏AI竞赛（General Video Game AI Competition，GVG-AI Competition）的核心就是测试AI解决各种问题的能力。在这项比赛中，AI需要在未知的10款Atari游戏中对战并学习如何赢得比赛。

正如阿尔法狗在真正进行人机对弈之前，进行过无数次的自我对弈一样，游戏AI的对手并不局限于人类，不同团队开发的游戏AI之间，甚至某个游戏AI自身都可以进行对弈。

（传统的俄罗斯方块（左）与GVG-AI竞赛中AI之间的俄罗斯方块比赛（右），图片来自网络）

所以说，现在AI开发者都在玩什么游戏呢？

随着AI技术的不断发展，AI所能进行的竞技性游戏更加复杂化、多元化。广义上来说，竞技性电子游戏可分为两种类型：完全信息博弈（complete information game）游戏和不完全信息博弈（Incomplete information game）游戏。

完全信息博弈游戏：在这类游戏中，每一个参与者都拥有所有其他参与者的特征、策略集及得益函数等方面的准确信息的博弈（尴尬而不失礼的翻译：己方的生命值，武器系统，技能系统等相关信息都被博弈对手所完全掌握，反之亦然。当然，这里并不是说你将要使出的招法在出招之前就能被对方预知，而是说你只能使出招式表中的招法。对手即便知晓你的全部出招可能，出什么招，何时出仍然是你根据场上形势随机应变，相时而动的）。

典型的完全信息博弈游戏包括：《乓》、《太空侵略者》、《街霸3》和《象棋》等等。进行这类游戏时，两个玩家共享同一个屏幕，看到的画面完全同步。

（完全信息博弈游戏，图片来自网络）

不完全信息博弈：对其他参与人的特征、策略空间及收益函数信息了解的不够准确、或者不是对所有参与人的特征、策略空间及收益函数都有准确的信息，在这种情况下进行的博弈就是不完全信息博弈（尴尬而不失礼的继续翻译：玩家只能知道己方（甚至仅仅自己）正在进行的操作，而对于对方玩家的情况仅知晓一部分。最典型的例子就是RTS游戏中的战争迷雾（war fog）让玩家并不能直接获取对手的动态，对手是选择暴兵还是升级科技往往只有短兵相接的那一刻才能真正揭开谜底。）。

典型的不完全信息博弈游戏包括《星际》、《CS:GO》、《Dota》等即时战略（RTS）或第一人称射击游戏。

（不完全信息博弈，图片来自网络）

即使通过游戏体验，普通玩家也能猜到完全信息博弈情形下的游戏AI开发难度要远远低于非完全信息博弈。譬如，在棋类游戏中，游戏AI与人类玩家共享相同的战局态势，一旦突破了核心算法，AI的超强运算能力就有了用武之地。AlphaGo在与柯洁的对战中体现出滴水不漏的攻防，展示出决胜千里的妙招也就不足为奇了。

在AlphaGo这样高度进化的游戏AI出现之后，人类围棋技艺中所谓“势”的概念也可能要成为历史了。“势”这样玄乎其技的说法，实际上是在掩饰人类大脑的运算能力无法看破复杂局面的窘迫，对于AI来说，于人类而言如同迷雾一般的棋局可能不过是中央处理器多运行的几十个纳秒而已。