在前面兩篇文章中，我們回顧了游戲 AI 歷史上的幾個經典算法和里程碑事件，還介紹了如何從數學角度衡量象棋、圍棋、撲克、麻將等棋牌類游戲 AI 的復雜度。在這篇文章里，我們將分享幾個近年來非常成功的游戲 AI，同時介紹幾個尚未被 AI 攻克的流行游戲，它們無疑代表著未來游戲 AI 的發展方向和趨勢。

達到或超過人類水平的游戲 AI

多人德州撲克：Pluribus

不同于國際象棋和圍棋，德州撲克作為一個不完美信息游戲，有著不同的挑戰：玩家看不見彼此的牌，并且玩家往往會利用這種不對稱進行詐唬(Bluff)，從而誤導對手。AlphaGo/AlphaZero 等適用于完美信息游戲的算法無法在撲克中直接使用。在 AI 領域，德州撲克仍然被視為尚未被攻克的挑戰。

最近由 CMU 聯合 Facebook 開發的 Pluribus，在六人不限注德州撲克中戰勝了人類玩家。這些人類玩家都是曾經贏下超過百萬美金的職業選手，Pluribus 在12天之內和這些人類玩家進行了超過10,000次對局，并最終取得勝利。

Pluribus 的訓練并未借助人類牌譜，而是從零開始，通過與6個自己的副本進行對戰，不斷提高自己的性能。在自我對局中，Pluribus 通過基于 MCCFR(Monte Carlo CFR)算法搜索和學習更好的打牌技巧，并將不同的自我對局結果稱之為藍圖(Blueprint)策略。由于不限注德州撲克的狀態空間過大，該藍圖策略只能涉及到有限的策略空間，因此在實際對戰中， Pluribus 會采用藍圖策略做初步決策;并在之后的對局中，通過往前搜索有限的幾步來做進一步細化的決策。Pluribus 的主要開發者 Noam Brown 相信，Pluribus 的一些策略將會改變職業玩家的打法。

但是，盡管德州撲克屬于非完美信息游戲，給定任何局面，每個對手可能的隱藏狀態數目只有一千多種(從50張牌中選擇2張)。不管是 Pluribus，還是另一個非常成功的撲克 AI DeepStack 的算法，都非常依賴于對手牌的概率分布的估計來做細粒度搜索，其實現難度相對可控。而這些近似算法在隱藏狀態數目大得多的游戲中(比如橋牌和麻將)，是很難適用的。

圖1：Pluribus在和五個職業玩家的對戰中做了一個詐唬

星際爭霸2：AlphaStar

AlphaStar 是由 DeepMind 聯合暴雪開發的「星際爭霸2」游戲 AI，其在2019年1月戰勝了頂尖的職業玩家。

「星際爭霸」是一款多人即時戰略游戲，常見的1v1對戰模式中，每個玩家會從三個種族中選擇一個，在不同的地圖上進行對戰。游戲開始時，每個玩家會分配一些初始單位，基于這些單位，玩家需要從地圖上獲取可發展資源，并利用這些資源建造更多的單位和科技。游戲的目標是通過運營資源，制造軍隊，從而摧毀對方所有的單位。

星際爭霸玩家需要同時考慮宏觀規劃和微觀操作，游戲的時間可以長達一個小時，這意味著 AI 的策略需要有長期規劃的能力。且不同于傳統的棋牌游戲，星際玩家需要在短時間內連續地操作分布于不同地區的多個單位。此外，星際爭霸也是一個不完美信息游戲，初始的地圖上彌漫著一層「戰爭迷霧」，使得對方的信息不可見，因此玩家需要不斷地試探對方的位置，并作出相應的應對操作。

AlphaStar 使用深度神經網絡接收由暴雪提供的游戲內部信息，然后輸出一系列指令來指導 AI 做出行為選擇。該智能體首先通過學習人類玩家的對戰模式，然后通過多智能體(multi-agent)強化學習算法來進一步提高性能。AlphaStar 的網絡結構結合了Transformer、LSTM、Auto-Regressive policy head、指針網絡(pointer network)以及中心化評分基準(centralized value baseline)。

在監督學習之后，AlphaStar 創建了一個可以讓 AI 之間自我學習的聯賽機制，通過基于人口理論的強化學習算法，使得 AI 可以在保持足夠的多樣性的前提下，能夠不斷地變得強大。由于星際爭霸2中不同的策略和種族有一些相生相克的關系，該訓練方式使得 AI 能夠朝著綜合實力更強的方向進行訓練。

AlphaStar 無疑是非常成功的，但是也有很多人持有不同的看法，在和人類的較量中，AlphaStar 仍然存在策略之外的不對等：AI 可以在極短的時間內，高細粒度地操控上百個不同的個體，進行不同的任務。這種短時間內的高細粒度、多任務的操控，與人類玩家相比，有著巨大的優勢。此外，AlphaStar 只在特定地圖上訓練了特定的種族，仍然可能有短板。

AlphaStar 開發團隊希望他們的模型可以對其他任務有所幫助，尤其是需要對長序列進行建模，并且有很大的輸出空間的任務，比如機器翻譯、語言模型和視覺表達等。

圖2：AlphaStar 和 MaNa(頂級人類玩家)對戰的可視化。圖中展示了 AI 眼中的游戲：包括輸入到神經網絡的原始信息，神經網絡的內部激活單元，一些備選的動作以及輸贏的概率等。

Dota2：OpenAI Five

Dota2 也是一款需要多人參與的即時戰略游戲(MOBA)，比賽由兩個隊伍進行對戰，每個團隊由五位「英雄」組成，這些英雄往往有著不同的特色和各自的職責，因此，團隊的獲勝依賴于不同職責的選手們之間的分工合作，是一款非常強調團隊協作的游戲。和星際爭霸類似，Dota2 也是非完美信息游戲，玩家們需要搶占地圖上的不同資源和視野，最終打倒對方隊伍的核心建筑。

不同于 AlphaStar，Dota2 的訓練則完全從自我對戰中進行學習，通過近端策略優化(Proximal Policy Optimization)來更新它們的神經網絡。很多研究員認為，要想解決 Dota 中的長期規劃問題，需要類似分層強化學習這樣的技術來分別處理長期和短期的規劃。但他們驚喜地發現，僅僅通過強化學習訓練的策略也會擁有長期規劃的能力。

OpenAI Five 用五個神經網絡代表五位“英雄”。五位“英雄”的神經網絡之間并沒有顯式的連接，而是通過控制自己和團隊的獎勵(reward)的權重來學習協作。

2019年4月，OpenAI Five 在三局兩勝制的比賽中，以2-0的分數戰勝了 Dota2 世界冠軍 OG 俱樂部。但隨著 OpenAI Five 的策略被進一步地分析，網友們也找到了OpenAI Five 的弱點——擅長團隊作戰卻不擅長分推，并根據弱點定制戰術，戰勝了OpenAI Five.

游戲 AI 的下一輪挑戰：橋牌和麻將

在以上游戲中，AI 均可以達到或者超過頂尖人類玩家的水平。而擁有廣泛群眾基礎的橋牌和麻將，因為有著諸多不同的屬性，現有的算法并不能很好地處理。毋庸置疑，它們將會是游戲 AI 的下一輪挑戰目標。

橋牌

橋牌是非完美信息4人游戲，在游戲的開始，玩家只能看見自己的手牌。橋牌分為叫牌、打牌兩個步驟。

不同于德州撲克，橋牌擁有大得多的隱藏信息，尤其是在叫牌和打牌的初期階段。計算機非常擅長在完全信息下做搜索，但人類玩家更擅長在非完美信息下進行推理和決策，而這恰恰是計算機不擅長的。此外，橋牌中4個玩家之間既有競爭又有合作，玩家在兩兩合作的同時，不僅需要估計對手的信息，還需要估計隊友的信息。

現在的橋牌算法會隨機生成很多次符合當前局面的對手手牌，然后使用雙明手算法(double-dummy-solver)估算出牌方式，最終選擇所有抽樣手牌中綜合性能好的出牌。這樣的算法非常依賴于隨機生成手牌的數量和質量，以及雙明手算法的性能。在游戲快結束的時候，因為隱藏的手牌不多，通過抽樣做搜索的算法可能會更加有效。

從1997年開始，每年都有世界計算機橋牌大賽，但是至今仍然沒有一個 AI 可以戰勝頂級的人類玩家。

麻將

麻將也是一個多人非完美信息博弈游戲，在世界各地，尤其是亞洲有著廣泛的群眾基礎。

常見的麻將由4位玩家組成，每個玩家可以有13張私有手牌。類似于圍棋，麻將有著巨大的狀態復雜度。和德州撲克相比，麻將在任一局面下，每個對手的隱藏狀態數要大出十幾個數量級，這種不確定性讓玩家很難估計對手的狀態。人類玩家在游戲的過程中，會根據“直覺”估算對手的一些影響自己決策的信息，比如聽牌狀態、聽牌分數等;而對于自己的手牌部分，往往對能夠拿到什么分數做了精確的搜索。如何平衡模糊估計和精確搜索，對 AI 來說是一個巨大的挑戰。

不同于德州撲克和橋牌，麻將玩家在出牌前，需要從底牌中隨機抽出一張牌替換丟掉的這張手牌。因為這張隨機抽取的底牌，麻將的強隨機性貫穿游戲的始終，并將深刻地改變游戲的結果。舉個例子，如果有兩位玩家同時聽相同的牌，最終誰是贏家，主要取決于運氣。

麻將的強隨機性將使 AI 的學習效率成為一種挑戰。假如我們想知道：“玩家打贏了，是因為打得好還是運氣好?”，要想得到這個答案，我們通常需要進行大量的游戲來衡量。如何在強隨機性的環境中更高效地進行自我學習，是 AI 需要解決的一個難題。

同時，由于麻將游戲強大的隨機性，如何衡量麻將 AI 的水平也是一個挑戰。

小結

為了解決這些新的挑戰，未來，游戲 AI 需要具備在大量隱藏狀態下進行推理決策、高效學習的能力，也需要更強大的應對隨機事件能力和協作能力。我們期待游戲 AI 技術能夠在這些充滿挑戰的游戲中不斷突破，同時將從游戲中學到的經驗和能力應用在真實世界中，幫助人類更出色地完成各種復雜任務。