馬斯克、Google都在做，AI能完勝人類電競選手？

當AI遇上電競，不只是一場機器人與人類的競賽。AI可以透過自主學習，開發出新戰法協助訓練選手，而高度複雜的遊戲也能幫助AI更精準。

從信心滿滿到麻木絕望，這是有「不敗少年」之稱的韓國棋士李世乭，在2016年與Google開發的人工智慧AlphaGo對弈的心情轉折。

從李世石敗給人工智慧（AI）開始，一般大眾逐漸正視AI的潛在發展性，而相較於雙方都能掌握賽局全面資訊的圍棋，在電競中，因為僅能掌握視野里的片段信息，且是動態進行、反應時間短暫、複雜度遠遠高出許多，這也是為什麼像DeepMind、OpenAI這些人工智慧公司都紛紛將AI與電競結合，不論是訓練選手，或是擊敗選手，AI讓我們看見電競的另一種可能。

今夏挑戰團體戰，OpenAI再度獲勝

「如果你不關心AI的安全性，現在應該要這麼做，AI造成的威脅比朝鮮更高。」特斯拉執行長馬斯克（Elon Musk）會這麼說，是因為由他創辦的非營利人工智慧組織OpenAI，開發出的AI機器人，2017年成功在電競遊戲《Dota 2》中擊敗人類選手。

OpenAI技術長葛瑞格．布洛克曼（Greg Brockman）表示，OpenAI完全是透過自學，訓練出一套專屬的戰略玩法，且整個訓練過程僅花了兩周，賽後馬斯克表示，「這是OpenAI首次在比圍棋更複雜的電競項目中擊敗人類。」一席話暗指OpenAI的成就勝於AlphaGo。

不過這麼說或許不全然公平，曾在Google大腦團隊工作過的研究員丹尼．布里茲（Denny Britz）認為，OpenAI擊敗人類並沒有實質上的重大突破，因為這場比賽采一對一的模式，並非一般電競比賽的多人團體戰，在戰術規劃、協作能力等，複雜度根本不能相比。

此外，OpenAI是由《Dota 2》的API（應用程序介面）製作，因此機器可以事先掌握像是準確攻擊距離數值，這些人類選手無法得到的遊戲資訊，因此在基礎上本身就不公平。布里茲認為AI並未有突破性的進展，只是研究人員用正確的方式繞過現有技術的限制來解決問題，並直言AI要在電競中擊敗人類，還需要至少一、兩年的時間。

然而OpenAI采自主學習模式，有可能發展出人類不曾使用的玩法，而最終人類可以向AI選手學習新的戰略玩法，來精進自己的技能。2018年六月，OpenAI團隊已經成功製作一款能夠在《Dota 2》中以「團體戰」形式，擊敗5名頂尖業餘玩家的AI軟體「OpenAI Five」；AI與AI之間能夠相互配合，被認為是電腦科學領域的新里程碑。

既能給人類新戰略，也能讓AI更聰明

就在擊敗李世石後，Google的AI團隊DeepMind與暴雪娛樂（Blizzard Entertainment），於2017年合作一項結合遊戲《星際爭霸2》的研究計劃，不過跟OpenAI與人類競賽的目的不同，DeepMind是要把遊戲當成訓練AI的工具，讓AI變得更聰明、更精準。

《星際爭霸2》是專業電競比賽中的比賽項目之一，是一款高度複雜的遊戲，玩家必須兼顧建構防禦、採集資源、發展武器等工作，任務複雜且多樣，不同玩法也會導致不同的結果。

看中這款遊戲的複雜性，DeepMind推出將《星海爭霸2》用於訓練AI的介面API，資料庫中集合了高達6萬5千場的電競比賽影像，讓AI學習人類的戰術，團隊也將遊戲中的特定元素，像是地圖探索、資源收集分拆出來，讓AI可以針對弱項單獨訓練，並將這些數據反饋給研究人員。

DeepMind研究員奧里歐．凡尼爾斯（Oriol Vinyals）認為，比起圍棋，《星際爭霸2》的複雜度更接近現實生活中的情況。圍棋落點的可能性是10的170次方，而《星際爭霸2》的複雜度至少要再加上100個零，不過目前AI在《星際爭霸2》的探索仍處在早期階段，反應能力仍不夠準確。

然而透過DeepMind、OpenAI的例子，已可以看到「AI+電競」邁出關鍵性一步，不論是用來訓練選手，或測試新的AI技術，也許未來AI科學家可以跟遊戲發行商合作，在高度複雜的遊戲中，結合AI科技來提升遊戲本身以外的價值，加速AI整體發展速度。或許正如同DeepMind顧問大衛．邱吉爾（David Churchill）說的：「我們正在替未來可以用於真實世界的科技，打造一個測試的溫床。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！