生态：玩星际争霸的AI偶然学到了生态
通过玩星际争霸II ， AI AlphaStar学会了适用于真实生态系统和生物的生态原理
文章图片
文章图片
> (Pixabay, geralt)
准备战斗
自从Deep Blue在国际象棋（1996/1997）击败Gary Kasparov以来 ， 人工智能/机器学习系统一直在掌握新游戏 。不过 ， 有些游戏对AI来说比其他游戏难 。长期以来 ， "围棋"游戏是一个障碍 ， 与棋类相比 ， 其直觉和策略要求更高 。实际上 ， 在2001年 ， 这篇论文说：
与Computer Go相关的问题需要新的AI问题解决方法 。考虑到大量问题和可能解决方案的多样性 ， Computer Go是AI有吸引力的研究领域 。
然后 ， 在2015年 ， AI AlphaGo以18比4击败了18届围棋世界冠军李·塞多尔（Lee Sedol） ， 偶尔做出"独特而富有创意的动作" 。
迎接下一个挑战 。
文章图片
文章图片
> Yep, quite popular those StarCraft matches (Wikimedia commons, Kevin Chang)
《星际争霸》是一款SF实时策略游戏 ， 具有悠久的历史 ， 已成为同类游戏中最受欢迎和最具挑战性的游戏之一 。直到大约一年半之前 ， 它被称为AI的下一个重大挑战 。
然后 ， 出现了AlphaStar：一个深度神经网络 ， 通过监督和强化学习直接从原始游戏数据中进行训练 。经过（相对）的眨眼 ， 它击败了《星际争霸2》中的人类顶级团队 。再次眨眼 ， 它就获得了"大师级"的地位 ， 从所有方面来说 ， 他们已经完全掌握了游戏 ， 加入精英队伍的球员中只有0.02％是最好的 。合并完成
无需赘述 ， 《星际争霸》是一款由三个"种族"争夺空间和资源的游戏 。
神族（认为高科技太空精灵）：建造缓慢 ， 但是非常坚固 。
Zerg（想像Starship Trooper一样的虫子）：繁殖起来很疯狂 ， 但大多数都容易被压扁 。
人族（想想我们 ， 但技术有所改进）：介于两者之间 。
（比这要复杂一些 ， 但是牢记这些基本知识是很好的 。）
那么 ， 在这里 ， 我们拥有一个环境 ， 资源分布不均 ， 三个不同的"物种"具有不同的增长和资源获取策略 。听起来很像一个生态系统 。
这确实是最近（非常酷）的研究中探索的类比 。
研究人员指出了生态原理在游戏中的应用 。例如 ， 大多数玩家一开始就奉行"快速且廉价"的策略 ， 迅速生产出许多廉价单位以获得立足点（在生态学上 ， 这被称为r策略） 。
但是 ， 随着游戏的进行 ， 他们经常观察到策略的变化 。我们称其为"缓慢而专业的"策略 。玩家开始生产耗时更长的昂贵单位 。这些单位通常专门负责特定功能（战斗 ， 运输 ， 资源开采……） 。在生态学中 ， 我们将此称为K策略 。
最后 ， 单位通常相互依赖（生态网络） ， 并且地图上仅允许最大数量的单位（承载能力） 。招敌
【生态：玩星际争霸的AI偶然学到了生态】AlphaStar利用了这种游戏生态学的重叠 。在培训期间 ， 它从最优秀的人手的数据中学到了东西 ， 但它也制定了自己的策略 。这些不受人类影响而制定的策略 ， 强烈反映了对生态原理的深刻"理解"（我们可以称之为理解）：
…显然使用了适得其反的策略 ， 例如过度利用了其资源收集能力或拥有一支统一的军队 。这种非常规的方法是如此有效 ， 以至于这些游戏几乎总是在几分钟之内完成的……在这种情况下 ， AlphaStar在其人类竞争对手中的统治地位表明 ， 这些违反直觉的行为更好地平衡了必要的生态权衡……
（这强烈使我想起了AI通过模拟来推断物理原理的过程 。）
推荐阅读
- 「」MuMu模拟器升级为MuMu手游助手 以技术驱动和内容生态带动用户体验
- @星际争霸中的奇怪设定，神族明明没有嘴为什么还为他们设计厨房？
- ：在星际争霸中玩家们曾经给人族单位取过哪些搞笑的外号？
- 「法师」文字传奇《土城争霸》战法道技能详解
- ：《星际争霸2》大帝蒙斯克值不值得入手？欢乐大地碎裂炮值得体验
- 【】暴雪在星际争霸当中哪一个角色塑造得最好？
- 【】一图看懂10.9版本生态！上单贾克斯强势崛起
- #亲妮小菇凉#在别人放弃时仍能坚持到底的星座？第一名成为王中王，绝非偶然
- 『暴雪』红色警戒与星际争霸，暴雪从没有忘记曾经的老对手
- ：《明日之后》白嫖双倍福利，玩家用25个“甜甜芒果”抽中生态鱼缸