安妮 编译整理
量子位 出品 | 公众号 QbitAI

去年年底，DeepMind宣布想教会AI智能体玩《星际争霸2》（后简称星际2），计划创造出能击败人类玩家的智能体。

9个多月后这事又有了进展。今天，DeepMind和暴雪娱乐发布了星际2中加速AI研究的工具SC2LE。

难！难！难！

星际2是个实用的基础AI研究环境，因为游戏本身复杂多变，且胜利方式不固定。

玩家想要取胜需要同时做多手准备，比如管理并创造资源、指挥军事单位和部署防御结构等操作需要同时进行，逐步完成。此外，玩家还需预测对手的策略。

这项任务确实不容易，但不是无解。DeepMind和暴雪尝试将游戏分为多个“迷你游戏”，将不同任务分解成“可管理的组块”，比如建立特定单元、收集资源或在地图上移动等。

细分是为了方便研究人员进行不同任务的测试比较及细化，最终在智能体中组合，从而教会智能体通关整个游戏。

厉害的SC2LE

目前，暴雪和DeepMind在开放的环境平台中加入了SC2LE工具包，加速AI研究。

SC2LE包括——

机器学习API：由暴雪开发，将研究人员和开发人员接入游戏，并自带首次发布的Linux工具包。至此，Windows、Mac与Linux系统均可在云端运行。

匿名游戏回放数据集：包含65000多场游戏记录，在接下来的几周将增加至50万场，帮助实现智能体间的离线比赛。

开源的DeepMindPySC2工具包：方便研究人员使用暴雪的特征层API训练智能体。

一系列简单的增强学习迷你游戏：帮助研究人员在特定任务上测试智能体的性能。

概述开发环境的论文：记录了迷你游戏的初始基线结果、监督学习数据以及智能体间完整的对抗记录。

DeepMind希望通过此举，推动更多研究社区和开放工具的开发。

相关资源

如果你也想小试牛刀，不妨移步这些Code与Paper看看——

机器学习API：

https://github.com/Blizzard/s2client-proto

匿名游戏数据集：

https://github.com/Blizzard/s2client-proto#replay-packs

DeepMind PySC2数据集：

https://github.com/deepmind/pysc2

论文地址：

https://deepmind.com/documents/110/sc2le.pdf

DeepMind官方介绍：

https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/

—— 完 ——

加入社群

量子位AI社群7群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot2入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot2，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI

վ'ᴗ' ի 追踪AI技术和产品新动态