原文链接：DeepMind
翻译：MatrixC7，一定程度上借用了Google翻译
几十年来，游戏一直被用作测试和评估人工智能系统性能表现的重要方法。 随着能力的提高，研究界开始寻求更复杂的游戏——这些游戏拥有可以用来解决科学和现实问题所需的多种智能要素。近年来，最具挑战性的即时战略游戏（RTS）之一，也是有史以来最长寿的电子竞技项目之一，星际争霸，已公认成为人工智能研究中的一项“大挑战”。
现在，让我们来介绍我们的星际争霸II程序——AlphaStar。这是第一个打败顶级职业选手的人工智能。在2018年12月19日举行的一系列测试赛中，AlphaStar首先取得了由Dario “TLO” Wünsch迎战的基准测试比赛的胜利，随后利落地以5比0击败了来自Team Liquid的Grzegorz “MaNa“ Komincz，世界上最强的职业星际争霸选手之一。比赛全部于天梯地图、专业比赛条件下进行，其中没有任何特殊游戏限制。
尽管在雅达利、超级马里奥、雷神之锤III竞技场的夺旗模式和Dota 2等游戏方面取得了重大成功，但直到现在，AI技术在星际争霸的复杂性仍显得力有不逮。在手动修改游戏的主要因素、对游戏规则施加重大限制、赋予系统超人能力、或是在简化地图上进行游戏时，AI才完成了最好的发挥。但即使进行了这些修改，也没有任何系统可以与职业玩家的技巧相媲美。 相比之下，AlphaStar使用一种深度神经网络来完整地游玩星际争霸II。这种神经网络在监督学习和强化学习两种方式下，直接使用原生游戏数据进行训练。
