自从谷歌的AlphaGo（以下简称AG）战胜了围棋九段高手李世乭后，一方面关于人工智能的争议再次尘嚣直上，另一方面AG又找到了新的挑战领域。3月27日，暴雪娱乐制作总监Tim Morten在上海WCS世锦赛上宣布证实，狗狗下一个挑战目标将是星际争霸2（以下简称SC2，星际争霸简称为SC，以后不再赘述）。

关于AG和星际争霸职业选手的比赛，人们最关注的无疑是比赛结果，究竟是AG再次将人类骄傲的自尊捏个粉碎，还是人类反戈一击，证明人工智能所谓的胜利只不过是一时侥幸？

AG如何学习？

所谓“知己知彼，百战不殆”，要分析AG能否战胜职业选手，首先就要了解AG如何学习一种全新的规则。与前辈“深蓝”所采用的推演式算法不同，AG在与李世乭对战之前，除了学习围棋的基本规则外，还学习了人类对弈中使用的近3000万种走法来“丰富阅历”，让AG学会预测人类专业棋手怎么落子。然后让AG自己跟自己下棋，从而又产生规模庞大的全新的棋谱，据谷歌工程师宣称，AG每天可以尝试百万量级的走法。而在正式对弈中，AG会通过蒙特卡洛树搜索算法从这种对弈方法中搜索出胜率最高的走法。

相比国际象棋，围棋的走法可能性非常多，仅起手时就有19*19种落子方式，更不要说以后的棋子布局方式了。在有限的国际象棋棋盘上，“深蓝”可以依靠推演算法算出之后的12步棋，但是在围棋上，这种“思维方式”非常陈旧，耗费资源多且效率低下，因此才被“学习+思维”的全新方式取代。

AG有何优劣？

可以说，AG需要先学习SC2的基本规则，包括地图地形、各种族兵种的攻防数值，在此基础上消耗时间学习之前SC2职业高手大量的对战，最后自我对战形成更多战术储存在服务器中，最后利用蒙特卡洛树搜索算法进行战术对比，在实际对战中与职业高手一较高下。

但是，由于游戏本身就是多个规则逻辑模块组成的程序集合，与AG可以说是源出同门，由人工智能程序执行游戏程序，执行效率不知要高出人多少倍。目前顶尖的职业选手，其APM（每分钟操作次数，键盘+鼠标的总和）也不过400多，如果扣除了重复操作外，其EAPM（每分钟有效操作次数）就更低了，但与此相比，AG运行后保守估计其APM可以超过8000，并且全部都为有效操作，AG完全可以凭借高速操作，达到战术胜利累积到战略胜利的目的，这段视频足以说明AI能够以人类完全达不到的手速吊打人类。

100指小狗VS20辆攻城坦克，职业选手仅消灭了2-3辆坦克，AI却能判断弹着点防卫避开攻击，消灭全部坦克后还有仅20只左右的剩余。当然AG也并不是完全没有劣势，人工智能没有什么战略战术的概念，如果要AG达到职业选手所需要的战略战术概念，目前还不知道要消耗多长时间。同时目前在比赛中需要为AG设定操作视野范围和侦察的功能，不然地图加载完成后，AG可以在最短时间内制定出最优路线，而职业选手需要依靠士兵探索，这养的比赛几无公平可言。

由AI挑战AI的电竞？

虽然AG挑战职业选手的众多细节还未确定，但目前已经引起了各方的兴趣，暴雪方面可以通过比赛增加对SC2的关注度，一改目前SC2的弱势局面。而同时，AG与职业选手的比赛也可以为电竞增加新的内容形式，不仅是人工智能挑战人类，而且可以衍生出AI挑战AI的比赛方式。

由于SC中的 AI可以由第三方脚本的形式存在，所以AI挑战AI的技术并无技术难度。早在母巢之战资料片中，用代码玩 SC的 的服务器API就已经存在， 用C++代码以及LUA语言可自由编程生成dll格式的AI文件，将这个AI文件注入程序后即可操纵SC的兵种。至今为止，AI文件已经获取SC内存底层的各种建筑与兵种数据，并且操纵各种兵种作出各种动作，如果更多的人应用这个API制作属于自己的SC AI文件，那么在AI之间进行电竞比赛就不再是一个梦了。

此前，美国的Elecbyte小组使用C语言与Allegro程序库开发了一款免费2D格斗游戏引擎Mugen，吸纳了众多格斗游戏的知名人物和招式，通过这款引擎实现了各人物的穿越乱斗，并且已经实现了AI之间的战斗，众多爱好者可以使用自己编写的AI算法，让格斗人物发出无法在实际操作中实现的酷爽连招，如今在SC中也同样可以实现。

电竞比赛发展到今天，此前竞赛游戏的战术潜力已经被开发殆尽，此次人工智能挑战职业选手一方面是为测试人工智能的潜力，另一方面也为电竞比赛带来了新的看点，同时支持第三方算法脚本的竞技性游戏又为AI扩展提供了技术基础，那么AI之间的电竞挑战又有何不可？让众多手速不足的“手残”程序猿们通过自己的代码一决高下，你兴奋了吗？

光速追猎者，微信svx2000，游戏开发者出身的游戏自媒体人，给你一个独特的视角。希望加入同样关注VR领域的游戏媒体。