AlphaStar的游戏——星际争霸2 AI综述

        两天前，DeepMind直播展示了他们星际2AI的最新进展。AI名叫Alphastar，它在与两位职业选手的比赛录像中获得了全胜，其中一位还是世界前10的顶尖神族选手Mana。在与Mana最后一场万众瞩目的现场直播比赛中，Mana捍卫了星际2职业选手的尊严，取得胜利扳回一局。

        面对这些，让人禁不住脱口而出的还是那句话：“没想到这么快”。星际2远比围棋复杂，DeepMind、facebook、阿里和腾讯等众多公司与科研单位也因而把研究星际2作为迈向通用人工智能的一把钥匙。我一直有关注星际2的比赛，很清楚以serral为首的目前顶尖职业选手变态到了何种地步。DeepMind上一篇相关论文还在研究受限环境下的小游戏，让我觉得挑战职业选手还得等好几年，真没预料到这一天来的如此突然。

        本文将按以下结构进行展开：游戏要素，常用战术，职业选手，比赛进程，此前研究，问题解决，工程，算法，泛化预期。只关心技术的读者可以直接跳到后面几节。

游戏要素

        《星际争霸2》是一款RTS（即时战略）游戏，说白了就是造农民采矿、造建筑、造兵、攀科技，最后派兵拆光对手的建筑。与围棋相比，虽然都属于零和博弈，但还多了不完全信息、输入输出状态空间更庞大、存在海量先验信息、游戏预测困难的问题。星际2的基本要素可分为：

• 经济：有晶体和气矿两种资源，资源有限会采完，通过造更多的农民、在矿物旁开更多的分基地来提高采集率。
• 生产力：有资源了就可以造建筑，建筑可用于生产部队、提高最大人口（上限200）、提升科技和构筑防御。
• 部队：有资源和产兵建筑了就可以生产作战单位，单位分为空中和陆地，有的还能释放技能；单位存在相互克制，但可以依靠微操（精细控制）来消除甚至逆转克制关系。
• 科技：提升科技可以解锁更高级的单位，以及提升各类单位的能力；随着部队规模越来越大，研发科技的收益也会越来越高。
• 侦查：地图上没有己方单位的地方不可见，也无法得知对手的建筑正在生产研发些什么；所以要通过单位侦查、占领瞭望塔和使用侦查技能来了解对手的现状。
• 地图：星际2有诸多比赛地图，根据地图的大小、出生点距离、路口形状等，也存在着不同的种族和战术优势，所以一局比赛的打法势必要根据地图来调整的。

常用战术

        星际2在10年来的发展中已经进化出了海量的战术，可以把它们大致划分为这几类：

• 快攻：牺牲经济和科技的发展，尽可能在初期就全力建造部队击败对手；为了加快速度，经常需要把产兵建筑偷偷造在对手的基地附近，还可以派出部分甚至所有农民来协助进攻。
• Timing一波：预测对手的兵力薄弱期，通过固定的运营策略，在这些时间点集结出尽可能强大的兵力发动总攻，并且往往伴随着关键科技的恰巧升级完成。
• 压制：派出部队前压，占对手的一些便宜或者把对手压在家里无法开矿，而自己则趁机扩张。
• 骚扰：派出高机动单位、空中单位或者运输局运载部队，尽量避开敌方主力而去击杀对方的农民，从而打击他的经济。
• 控图：处于均势时，在战线上四处游走，进行充分的侦查，了解敌方主力位置和构成，等待时机进攻或者骚扰。
• 偷经济：认为敌方不会细致侦查时，偷