答案是，非常可能。
Oriol Vinyals，谷歌搜索科学家，于暴雪嘉年华宣布DeepMind将挑战《星际争霸2》
难道人类，作为地球上的高等智能生物，在自己的造物面前只能节节败退，毫无还手之力？那倒不一定。如何打败Alpha Go，还得先从它的原理说起。相比较国际象棋，围棋的策略广度与深度，令其一度被噱头媒体封为“计算机无法战胜的游戏”。即使是专业的计算机学家，也曾认为在2035年之前AI无法拿下围棋。
然而阿法狗是如何做到的？简单来说，传统的围棋程序靠一个“傻子”瞎猜，例如猜一万次，每次乱走三步（脑海中假设对手也是乱走的），最后在这一万次里选择结果最好的那一步。听起来很傻是不是？然而阿法狗之前的围棋程序就是这么玩围棋的。阿法狗的聪明之处在于，额外增加了三个人，我们姑且称呼它们为“智者”、“评论家”和“疯子”。
集“智者”、“评论家”、“疯子”于一体的藤原佐为
“智者”学习数万张高水平棋谱后，告诉傻子，“嗨，兄弟，根据我学习的经验。你在脑海中推演的时候别乱走，试试走这几步，对手也不是乱走的，他可能走这、这几步。”假设傻子打算试一万次，每次在“智者”的指导下能少走三步，其效率就远比自己瞎蒙要高。另外，每推演一次，同样学习了棋谱的“评论家”便会根据推演完的场面给一个分数。推演全部完成后，傻子会在实际棋局中走出评分最高的那一步。看起来很完美是不是？目前截止，计算机做的所有事情全部是基于学习，然而光靠学习是无法打败师傅的。于是我们引入了“疯子”。“疯子”热爱与自己下棋，于是常常在“智者”的指导下与自己玩的不亦乐乎。每同自己完成一把比赛，“疯子”便会告诉“智者”：“你指导的黑子赢了，以后多用这些套路。指导的白子输了，以后少用。”在这种类似丛林法则的弱肉强食中，人类的招式经历了精炼与变形，令Alpha Go在不断进步中拥有了战胜人类的资本。在当时Master的60场比赛中，AI怪招频出，就要感谢这个“疯子”。
图片来源Pixiv（id=55831129，作者：MusyneXSK）
不得不说DeepMind在选择游戏上是相当聪明的。既然知道了阿法狗的原理，再来看看人类在《星际争霸2》中为何毫无胜算。
1、APM，电子游戏作为AI的主场，它的优势无疑是巨大的。接近无限的APM让其战胜人类变得异乎简单。暴雪曾经制作出一个拥有一万APM的AI，甚至可以用100只小狗全歼20辆攻城坦克，而同样的情况下，职业玩家只能做到1-2辆。强大的微操能力让计算机可以轻易打赢数倍于己的人类玩家。虽然谷歌答应会对APM进行限制，然而限制多少，一分钟一次点击？还是三百，一千？从某种程度上来说AI已经赢了，区别只是，谷歌爸爸让不让他赢。
2、《星际争霸2》在开始接触敌人前，变数不大，相对计算机来说不难学习。起建筑、造兵、开分矿。规律性较强。这部分降低了决策深度。
3、随机情况较少，局部全局最优解的分布较集中，让“智者”更容易给出最优答案。
4、对局记录丰富，易于计算机学习。
《星际争霸2》目前2000APM的AI，可以让100只小狗瞬间散成一圈
存在人工智能hold不住的游戏吗？
要找出电脑无法hold住的游戏，首先得明白“何种特质”的游戏难以被阿法狗掌握。
1、首先我们排除需要反应力、APM、点击精准度的游戏。即时策略、FPS、格斗类、MOBA类都可以排除。这些是计算机的绝对强项，其反应速度是人类的上百倍，点击精确度甚至可以精确到像素，躲技能的判断更是精确到毫秒，人类毫无胜算。
2、决策的深度和广度都必须保证。这一点为难了“傻子”。假设有一百个坑，只有一个装了萝卜。原本“傻子”试五十个坑就有大概率找到萝卜，现在把坑增加到一万个，“傻子”只有傻眼了，要么它增加尝试的次数，要么只能降低找到正确坑的概率。
3、游戏最好具有一定的随机性。打个比较极端的例子，如果我们和计算机玩猜拳，赢电脑其实相当简单。因为完全随机让最优解的分布分散了，换句话说，每一个决定都是三分之一的胜率，机器无法学习到对自己最优的方案。当在游戏中加入较多的随机因素后，“智者”更难找到最佳策略。同样，“疯子”的效率也降低了——它左手赢，可能只是因为运气好而已，而事实上右手才是最佳策略，却因运气输掉了游戏，导致疯子更难判定左右手的优劣。
4、每一局游戏差异性越大，越不利于计算机学习。回到《星际争霸》，假设我们有一千个种族，几乎每一把职业比赛对决，都是不同种族之间的对决。对职业选手来说，大致想一下对方可能用的策略，便能从容比赛。而对于计算机来说，每一种种族间的比赛都只有1-2个样本可以学习，现在轮到“智者”和“评论家”蛋疼了。学习样本不够，每次“傻子”来问问题，见识短浅的“智者”只能乱给一个答案，而“评论家”打起分来，也仿佛TGA评委附体。现场根本控制不住。
5、即时性。由于“傻子”推演，“评论家”评分，“智者”思索对策都需要时间。当时间不够时，原本准备推演一万次的“傻子”，只能推演五千次遍要草草做决定。决策的质量自然是要打个折扣。
结合以上四点，几款游戏便呼之欲出了。
1、炉石传说
《炉石传说》相较于万智牌，拥有较高的随机性，蒙特卡洛搜索树的反馈难以让决策收敛于局部最优解。同时每一局的差异性巨大，让同样的对局不可能发生两次，也加大了计算机的学习难度。另外如果把组牌也算成游戏过程的话，创新牌组对于阿法狗来说几乎不可能。它的自学习网络难以应付如此庞大的组牌可能性，尤其是在对局拥有如此多的随机因素的情况下。即使它克服了全部的困难，由于对方的牌组未知，它依旧难以评估最应该打的牌。同时回合制也让它最擅长的微操毫无用武之处。
《欧陆风云》、《维多利亚》、《十字军之王》系列
P社四萌中的三款。为什么唯独不包括《钢铁雄心》，因为《钢铁雄心》简化了经济与外交，专注于战斗系统。首先需要考虑的面就窄了很多，其次战斗系统对微操的依赖给了计算机相当大的优势，可能在策略上处于弱势，但计算机依旧可以用微操扳回劣势。
而《欧陆风云》、《维多利亚》、《十字军之王》系列，虽然复杂度各有高低，但涵盖面广，支系统复杂，各个系统之间相互作用说不清道不明，牵一发而动全身，对于计算机来说想要计算每一个决策的分值，将会相当困难。另外状态繁多，输入哪些数值给计算机用作决策参考，对于DeepMind来说也是相当复杂。并列为最不可能被计算机掌握的游戏之一。
《R.U.S.E》
育碧发行的即时战略游戏，也是上榜的唯一一款RTS。正如育碧宣传的，《R.U.S.E》故意简化了操作，让玩家可以从繁琐的微操中解脱出来，而专注于大局策略。游戏中，玩家可以将部队隐藏在树林中、或城市里。一旦成功组织一次埋伏，数倍于己的军队也将顷刻被消灭。另外游戏加了计策系统，例如无线电静默，可以让该区域无法被对方看到。间谍网则反过来，揭示该区域部队一段时间。
有的计策还可以组织木制坦克，来一次佯攻。甚至可以起假基地，诱骗电脑进攻。众所周知，计算机是相当好骗的。只要伪装的足够像，阿法狗也会真假难辨，进而落入玩家精心编织的陷阱。一场蓄谋已久的决战，便可一锤定音。
《坦克世界》
《坦克世界》胜在每局的差异性，和过高的决策宽度，复杂且瞬息万变的战场态势，以及对微操的低依赖性。每一局都完全不一样的敌我阵容，以及多达上百辆自己可能使用的坦克，让学习异常困难。另外花样百出的敌我坦克站在各个不同的地方都会对决策产生影响，战场还是瞬息万变的，这对阿法狗来说，根本不可能在短时间内完成如此复杂的决策。同样的，游戏对微操依赖性不强，APM上万依旧然并卵。
《魔兽世界：军团再临》
相比较其他RPG，《魔兽世界》实在是太庞大了，系统十分的复杂。即使现有机器学习算法已经可以理解NPC对话与剧情中的基本关系，但是庞大的背景和复杂的系统，依旧让AI无所适从。
计算机除了可以在PvP战胜人类外，无法顺利游玩绝大部分WoW内容。我相信若有一天计算机征服了WoW，那么可以在真实社会学习、生活，处理复杂难题的机器人也指日可待了（当然，这个时候还是把机器人的“PvP”系统删掉比较好）。
《五星上将》系列
该系列了解的童鞋可能不多，代表作为《装甲元帅》系列。游戏模拟了某一时期的战场，特点是囊括了该时期上百种大量武器装备，上至各类战机，下至架桥工程部队无所不包，是军事迷必玩的游戏。每种单位的属性多达21种，地形也会对战场产生各种影响，天气也让战局充满着不确定性——例如下雨后地面会变得泥泞，这对步行单位来说将是场灾难。
复杂的地形、单位，以及不确定的天气，让这款游戏相当真实地模拟了战场环境，也让计算机难以应付如此复杂的情况。另外不得不提的是，《五星上将》另一部作品，《人民的将军》的主角便是中国，玩家可以指挥诸如99式主战坦克、武直9、85榴这样的国产武器，在虚拟的棋盘上与世界各国来一场颇具真实感的较量。
在《人民的将军》中，玩家可以操控ZTZ85、ZTZ99等等游戏中并不常见的我军装备
推理类游戏（例如《逆转裁判》、《弹丸论破》系列）
很多推理对人类来说相当简单，对计算机来说却是极其困难的。自然语言学习已经可以提炼出人类话语中基本的逻辑（譬如我前面说的那句话，在计算机看来便是“人类-推理-简单，计算机-推理-难”），要找出游戏中的逻辑漏洞，经常需要人类生活中方方面面的常识——艺术、社会等等。
关于自然语言中命题逻辑的推理，目前也鲜有看见这方面的科研成果。此类游戏，以人类目前公开的知识水平，计算机只有用穷举法来通关，即点击每一个可能的对话选项，调查地图上每一个地点。显然的，通关速度将明显慢于人类。
《无尽传奇》&《太空帝国4》
两款4X游戏很相似，因此拿到一块来说。极丰富的内容，近乎无穷的状态变量，还有非常高的随机性，花样百出的任务，近乎无限的科技搭配，眼花缭乱的种族，功能各异的几十种兵种，更别提这些兵种还能自由搭配装备。种种这些，甚至直接让这两款游戏无法被计算机学习。
玩家常常抱怨《无尽传奇》的AI太傻。至于《太空帝国》这边，AI唯一技能就是到处乱窜，在银河系中示范近乎完美的布朗运动。对此我想说制作组真的尽力了，即使是阿法狗来做这游戏的AI，智商多半还不如现有的传统AI。况且内容如此丰富的游戏，即使只有自己一个人玩，也可以乐趣无穷，不是吗？
上述说的几款游戏，除非计算机性能出现爆炸式的提升，或者有新的更神奇的算法出现，他们都难以被AI掌握。至少在20年内，玩这些游戏还是我们人类的“专利”。然而技术在不断进步，没有永远无法攻破的堡垒。只是笔者不禁的猜想，在未来，当所有游戏的阵地皆被AI拿下时，昔日万灵之长手中骄傲的资本空空如也，却握着世界上最伟大的智能造物，我们的后代，到底是喜是忧？
然而计算机的想法估计很简单：这么弱？我可能认了个假爸爸。
本文所有关于Alpha Go原理性的描述，均基于DeepMind项目组2016年1月发表于《Nature》的论文《Mastering the Game of Go with Deep Neural Networks and Tree Search》，不对最新改进版Master负责。
1.《100只小狗如何灭20辆坦克阵看这里!听说阿尔法狗很厉害？细数目前AI还难以战胜我们的游戏》援引自互联网，旨在传递更多网络信息知识，仅代表作者本人观点，与本网站无关，侵删请联系页脚下方联系方式。
2.《100只小狗如何灭20辆坦克阵看这里!听说阿尔法狗很厉害？细数目前AI还难以战胜我们的游戏》仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址，https://www.lu-xu.com/gl/2139219.html
