之前谷歌的游戏ai——alphastar完胜星际争霸2顶级选手serral，让我思考游戏ai在现实经济运行的启示。

之前谷歌的ai阿尔法狗已经在围棋领域超越人类，而最近谷歌deepmind的星际争霸游戏ai—阿尔法狗的兄弟alphastar又取得新突破，它不仅在游戏中超越99.85%的玩家，还以4：1战胜最强人类选手serral，虽然只是一场测试表演赛，但我们可以从中看出一些东西。

《星际争霸2》的复杂度给AI带来了巨大的挑战。和象棋不同，《星际争霸2》中双方的军队有上百个单位，这些“棋子”会同时、实时地移动，而不是一来一往的回合制。象棋的棋子只有有限的移动方式，而AlphaStar在任何时刻都有10^26种可以选择的行动。此外，因为“战争迷雾”的存在，《星际争霸2》是一种不完全信息的游戏——玩家通常看不到对手在做什么，因此就无法预测下一步。个人认为，这更接近于现代人类战争的情况，或许未来ai会成为真正的战争指挥官，给出最正确的决策。（当然，也可能被流浪地球中吴京那样的人违背）

目前的游戏ai还不够成熟，在对阵serral的比赛中，尽管操作能力已经被限制（有效操作epm≤180，相当于顶尖人类选手的水平），但alphastar主要还是靠强大运营能力取胜，即通过强大运算后的最高效率的扩大经济和出兵能力，这是人类无法做到的。在战术和战略选择上，alphastar并不比顶尖人类选手强，这是游戏ai必须突破的，因为ai的潜力不在于其计算能力，而在于其学习能力。

DeepMind的AI背后的机器学习原理依赖于人工神经网络。它能从大规模数据集中识别出模式，而不仅仅是依赖具体的指示。怎样在学习人类的思维模式后做出最佳选择，这是游戏ai最应该突破的问题。

Deepmind目前关于alphastar的成果已经发表在nature上，最终结果有力证明：通用学习技术可以扩展至AI系统，使其能够在涉及多角色的复杂动态环境中工作。用于开发AlphaStar的技术也有助于进一步提高AI系统的安全性和稳健性，并且很可能推进在现实世界中的其他领域的新研究。比如，alphastar对于经济效率的运算可能和人类有不同的理解，在星际争霸二中，单矿最佳开采农民的效率是16个，这是暴雪官方给出的答案，但alphastar会出更多的农民，使得自己的经济状况比人类选手更好，但出兵速度并不会像想象中慢那么多，这是计算的功劳，这打破了之前人类对于游戏运营的理解，或许未来ai会打破人类对于经济运行的理解。

顶级星际选手和ai的对战的结果有力证明：通用学习技术可以扩展至AI系统，使其能够在涉及多角色的复杂动态环境中工作。用于开发AlphaStar的技术也有助于进一步提高AI系统的安全性和稳健性，并且很可能推进在现实世界中的其他领域的新研究，例如产业经济。