DeepMinds AI har nu udkonkurreret næsten alle menneskelige spillere på StarCraft II

AlphaStar (Zerg, i rødt) forsvarer en tidlig aggression, hvor modstanderen byggede en del af basen nær AlphaStars base. høflighed af DeepMind

I januar i år annoncerede DeepMind, at det havde ramt en milepæl i sin søgen efter kunstig generel intelligens. Det havde designet et AI-system, kaldet AlphaStar, der slog to professionelle spillere ved StarCraft II, et populært videospil om galaktisk krigsførelse. Dette var noget af en bedrift. StarCaft II er meget kompleks, med 1026 valgmuligheder for hver bevægelse. Det er også et spil med ufuldkommen information - og der er ingen definitive strategier til at vinde. Præstationen markerede et nyt niveau af maskinintelligens.

Nu udgiver DeepMind, et Alphabet-datterselskab, en opdatering. AlphaStar udkonkurrerer nu det store flertal af aktive StarCraft-spillere, og demonstrerer en meget mere robust og gentagelig evne til at strategisere på farten end før. Resultaterne, udgivet i Nature i dag, kan have vigtige konsekvenser for applikationer lige fra maskinoversættelse til digitale assistenter eller endda militær planlægning.

StarCraft II er et strategispil i realtid, som oftest spilles én mod én. En spiller skal vælge en af ​​tre menneskelige eller fremmede racer – Protoss, Terran eller Zerg – og veksle mellem at samle ressourcer, bygge infrastruktur og våben og angribe modstanderen for at vinde spillet. Hvert løb har unikke færdighedssæt og begrænsninger, der påvirker den vindende strategi, så spillere vælger og mestrer at spille med en.

AlphaStar brugte forstærkningslæring, hvor en algoritme lærer gennem trial and error, til at mestre at spille med alle racerne. Dette er virkelig vigtigt, fordi det betyder, at den samme type metoder i princippet kan anvendes på andre domæner, sagde David Silver, DeepMinds vigtigste forsker, på et presseopkald. AI nåede også en rangering over 99,8% af de aktive spillere i den officielle online liga.

AlphaStar, der spiller som Protoss (i grønt), imødegår et angreb fra en Zerg-spiller. høflighed af DeepMind

For at opnå en sådan fleksibilitet ændrede DeepMind-teamet en almindeligt brugt teknik kendt som selvspil, hvor en forstærkningsindlæringsalgoritme spiller mod sig selv for at lære hurtigere. DeepMind brugte som berømt denne teknik til at træne AlphaGo Zero, programmet, der lærte sig selv uden menneskelig input til at slå de bedste spillere i det ældgamle spil Go. Laboratoriet brugte det også i den foreløbige version af AlphaStar.

Konventionelt i selvspil er begge versioner af algoritmen programmeret til at maksimere deres chancer for at vinde. Men forskerne opdagede, at det ikke nødvendigvis resulterede i de mest robuste algoritmer. For et sådant åbent spil risikerede det at sætte algoritmen ind i specifikke strategier, der kun ville fungere under visse forhold.

Med inspiration fra den måde, professionelle StarCraft II-spillere træner med hinanden, programmerede forskerne i stedet en af ​​algoritmerne til at afsløre den andens fejl i stedet for at maksimere sin egen chance for at vinde. Det er ligesom at bede en ven om at spille mod dig, sagde Oriol Vinyals, den ledende forsker på projektet, under opkaldet. Disse venner bør vise dig, hvad dine svagheder er, så du til sidst kan blive stærkere. Metoden producerede meget mere generaliserbare algoritmer, der kunne tilpasse sig en bredere række af spilscenarier.

Forskerne mener, at AlphaStars strategiudvikling og koordineringsevner kan anvendes på mange andre problemer. Vi valgte StarCraft [...], fordi vi følte, at det afspejlede en masse udfordringer, der faktisk dukker op i den virkelige verden, sagde Silver. Disse applikationer kunne omfatte digitale assistenter, selvkørende biler eller andre maskiner, der skal interagere med mennesker, sagde han.

Kompleksiteten [af StarCraft] minder meget mere om de skalaer, vi ser i den virkelige verden, sagde Silver.

Men AlphaStar demonstrerer også AI's betydelige begrænsninger. For eksempel har den stadig brug for størrelsesordener flere træningsdata end en menneskelig spiller for at opnå samme færdighedsniveau. Sådan læringssoftware er også stadig langt fra at blive oversat til sofistikeret robotteknologi eller applikationer i den virkelige verden.

For at få flere historier som denne leveret direkte til din indbakke, tilmeld dig vores Webby-nominerede AI-nyhedsbrev The Algorithm. Det er gratis.

skjule