阿里巴巴在百度、騰訊之后也加入AI大軍，阿里AI將以星際爭霸作為測試場景，讓AI參與協(xié)同作戰(zhàn)，在多人作戰(zhàn)中打敗對手，目前研究難度比較大，相比圍棋AI數(shù)據(jù)參數(shù)更加復(fù)雜。

過去十年中，人工智能取得了長足的進(jìn)步，在圖像和語音識別上已經(jīng)在某種程度上超越了人類。而通過反饋獎勵，單個的AI智能體也能在雅達(dá)利這樣的視頻游戲和圍棋中戰(zhàn)勝人類。

但人類真正的智能還包括了社會和集體智能，這也是實(shí)現(xiàn)通用智能必不可少的。就像雖然單個螞蟻的智能有限，但通過協(xié)作它們能狩獵，能筑巢，能發(fā)動戰(zhàn)爭。毫無疑問，人工智能的下一個挑戰(zhàn)就是讓大規(guī)模的AI智能體學(xué)習(xí)人類水平的協(xié)作與競爭。

協(xié)作的一個例子就是星際這樣的即時戰(zhàn)略游戲。最近阿里巴巴與倫敦大學(xué)的研究人員們，就在一篇論文中展示了如何用星際爭霸作為測試場景，讓智能體協(xié)同工作，在多對一和多對多中打敗敵人。

掩護(hù)攻擊

這項(xiàng)研究主要關(guān)注星際中的微管理任務(wù)，每個玩家控制自己的單位，在不同的地形條件下殲滅對手。星際這樣的游戲?qū)τ?jì)算機(jī)來說可能是最困難的，因?yàn)樗鼈兊膹?fù)雜程度比圍棋要高得多。這種大型多智能體系統(tǒng)學(xué)習(xí)面臨的主要挑戰(zhàn)是，參數(shù)空間會隨著參與人數(shù)的增加而呈指數(shù)級增長。

研究人員讓多智能體把星際中的戰(zhàn)斗當(dāng)作零和隨機(jī)游戲來學(xué)習(xí)。為了形成可擴(kuò)展且有效的通訊協(xié)議，研究者引入了一個多智能體雙向協(xié)調(diào)網(wǎng)絡(luò)BiCNet，智能體可以通過它來交流。另外，研究中還引入了動態(tài)分組和參數(shù)共享的概念，來解決擴(kuò)展性問題。

邊打邊跑策略

BiCNet可以處理不同地形下的不同類型的戰(zhàn)斗，且對戰(zhàn)時雙方都有不同數(shù)量的AI智能體。

分析顯示，在沒有任何諸如人類示范或標(biāo)簽數(shù)據(jù)的監(jiān)督時，BiCNet也能學(xué)習(xí)各類協(xié)調(diào)策略，而這些策略與經(jīng)驗(yàn)豐富的玩家所展現(xiàn)出來的很相似，比如在不引發(fā)沖突的情況下移動，邊打邊跑等基本策略，以及 掩護(hù)攻擊與適度集中火力等高級技巧。

另外，BiCNet還可以輕易適應(yīng)異構(gòu)智能體任務(wù)。在實(shí)驗(yàn)中，研究者根據(jù)不同的場景對網(wǎng)絡(luò)進(jìn)行了評估，發(fā)現(xiàn)它表現(xiàn)優(yōu)異，在大規(guī)模現(xiàn)實(shí)應(yīng)用中有潛在價(jià)值。

研究中還發(fā)現(xiàn)，指定的獎勵與學(xué)習(xí)策略之間存在很強(qiáng)的相關(guān)性。研究人員計(jì)劃進(jìn)一步研究這種關(guān)系，研究 策略如何在智能體網(wǎng)絡(luò)中傳遞，以及是否會出現(xiàn)特定的語言。另外，雙方都通過深度多智能體模型來操作時，納什均衡的的探討也很有意義。