由于其复杂又迅速的游戏过程，《星际争霸》一直被认为是人工智能的终极挑战。而自从去年谷歌 DeepMind 的 AlphaGo 战胜围棋大师李世石之后，《星际争霸》就成为了许多人工智能专家眼中的下一个目标。这些专家里就有 Demis Hassabis，创造 AlphaGo 的谷歌子公司——DeepMind 的创始人兼 CEO。
但是全球顶级的《星际争霸》选手在面对 DeepMind、Facebook、以及各大科技公司的高级人工智能选手时，又是否有勇气说出那句“放马过来”呢?
《星际争霸2》
为此，《麻省理工科技评论》对两名星际争霸专业选手进行了独家采访，看看他们有多大信心战胜人工智能，将会采取什么样的战术，以及将会对机器对手作出什么样的限制来确保游戏的公平。
这两名选手分别是 2016 年《星际争霸2》WCS世界锦标赛的冠军Byun Hyun Woo (Byun)，以及曾经世界最强的虫族选手之一，现已退役成为星际争霸解说员的李帝东(Jaedong)。这两名选手都是韩国人，也都愿意以公开赛的形式与顶级人工智能进行战斗。但两人对于 AI 玩《星际争霸》的水平，却有着不一样的见解。
星际选手Byun Hyun Woo和李帝东
24岁的Byun很有信心战胜人工智能。他表示，在有生之年，人工智能绝不是他的对手。
他的信心来源于《星际争霸》与围棋的不同之处。围棋是一个"完全信息博弈"，即博弈双方皆可以看到整个棋盘。但在《星际争霸》中，由于玩家不能看到整个战场，因此会在构思策略时受到信息的限制。而在一个实时策略游戏中，信息是至关重要的，因为它会主导玩家的资源管理、探索巡逻、建筑布局，以及战斗计划等一系列的策略。
“在玩《星际争霸》时，你需要对许多未知和变数作出迅速的反应，但是我发现AlphaGo这种人工智能并不擅长处理突发事件。”Byun说道。
Byun不看好人工智能的另外一个原因就是长期策略，也是区分人类玩家能力的一大要点。“想要设计一个同时擅长短期和长期策略的人工智能很难。”他说道。
而李帝东则没有Byun这么大的信心。他认为人工智能可以战胜人类专业玩家，因为它永不疲倦，并拥有人类无法匹敌的“手速”。判断《星际争霸》选手能力的标准之一就是其键入指令的速度，即每分钟操作数(APM)，俗称"手速"。
顶级人类玩家的“手速”
顶级人类专业选手的手速可以高达数百，但人工智能可以达到数万。“如果人工智能技术持续创新到一个人类无法跟上的速度，它们将轻松战胜人类。”他说道。
有些《星际争霸》选手认为，人工智能的手速需要被限制与顶级人类选的的速度一样。李帝东赞同这一看法，但Byun却认为，任何限制人工智能的举动都会令“人机大战”失去意义。
他表示，他会选择"非常规的策略和战术"来迷惑人工智能。“我会阻挡其探测我基地的斥候，防止它得知我的建筑，”Byun说道，“如果我的基地被发现，我会选择停止所有建筑计划。”
在过去的几年里，简单的《星际争霸》人工智能已经在许多高校级别的比赛中露脸。其中，历史最久的是2010年首次在加州大学圣克鲁兹分校(UCSC)举办的AIIDE(人工智能与交互式数字娱乐年度会议)星际争霸比赛。这些比赛通常会让最后的冠军软件与非专业的人类选手进行对抗。
2017年的AIIDE将于10月5——9日在犹他州雪鸟滑雪场举
加拿大纽芬兰纪念大学计算机科学系副教授Dave Churchill就是AIIDE比赛的组织者之一，他表示，这些比赛中的人工智能软件能力一般处于"低级业余"玩家水平，并且从未战胜过人类对手。
加拿大纽芬兰纪念大学计算机科学系副教授 Dave Churchill
当然，AlphaGo 级别的人工智能系统肯定会有更为出众的表现。目前，各种线索都在指向 DeepMind 等科技公司正在开发《星际争霸》人工智能。在去年11月，DeepMind宣布将会与开发《星际争霸》的暴雪公司联手创造一款免费的API，为研究人员提供一个用《星际争霸2》测试人工智能算法的方式。
Facebook的人工智能研究组则紧接着发表了一篇关于《星际争霸》的增强学习算法论文，并且公布了一款自主的免费开源工具，让研究人员可以在《星际争霸1》里测试深度学习算法。在今年 3 月，阿里巴巴也宣布开发出一款《星际争霸》的增强学习框架。
阿里巴巴《星际争霸》开源增强学习框架 Gym StarCraft
当被问到是否会组织一场与 AlphaGo 相似的《星际争霸》比赛时，DeepMind拒绝回答，只表示说“我们目标还是开发出《星际争霸2》的API，并将在几个月内公布。”
人工智能究竟何时才能战胜 Byun 和李帝东这些顶级人类《星际争霸》选手?CAIIDE比赛的组织者之一Dave Churchill预测，这将发生在 5 至 10 年内。但是，他还补充道："如果你在AlphaGo面世前一个月问围棋人工智能专家，'还有多久人工智能才能战胜围棋大师?'许多人都会说' 5 至 10 年'。人工智能创新的速度太快了，我们永远也不会知道明天会发生什么。
End
