相信大家对2016年阿尔法狗（AlphaGo）击败人类顶级围棋选手的比赛依然记忆犹新，在围棋界称霸后，阿尔法狗背后的DeepMind便开始潜心打造AlphaStar。

3天前，AlphaStar出山，以5比0的比分击败了职业《星际争霸》选手，实现了另一个里程碑。

在消息公布后，大多数认为AlphaStar和AlphaGo一样，是依靠强大的策略获得了压倒性优势，但现在这种观点受到了质疑，有人在研究过录像后，指出AI其实赢在手速，从某种层面上来说就是通过作弊取胜。

星际爱好者质疑AlphaStar作弊的文章

星际争霸：最复杂的游戏

人机对战的舞台是老版的《星际争霸》2代，这款暴雪出品的游戏在PC时代曾经风靡一时。

《星际争霸2》在游戏界也是出了名的复杂，与时下流行的《英雄联盟》、《Dota 2》相比，《星际争霸2》没有团队配合，但对于个人有极高的要求，复杂的操作模式也让许多玩家望而却步。

古人喜欢喝茶论道，下棋也是一种修身养性的娱乐方式，而电子游戏则不同，那种紧张激烈的气氛甚至连眨眼都是奢侈。相比于围棋来说，《星际争霸2》给AI的最大挑战是时效性，围棋一个回合可以很长，AlphaGo有足够的时间对局势进行判断和思考。

而《星际争霸》则不同，场上的局势瞬息万变，对资源的把控，对于兵种的选择，对于单位的控制都会产生影响。Google直接挑战电子游戏领域中最复杂的级别，让人非常吃惊。

AlphaStar背后聚集了一个由250人组成的技术团队，他们与暴雪合作开发一个专为AI打造的图形界面，新的界面将把《星际争霸 2》简化成基本的视觉图形（如下图），以供DeepMind进行更有效的学习。

这也就意味着，AlphaStar和人类一样，以视觉为标准进行信息处理（和特斯拉的路况信息判断类似），而不是以数字模拟信号为基础进行决策的。

AlphaStar的优势

其实《星际争霸2》中也有自带的AI系统，也就是电脑玩家。但它的工作机制与AlphaStar完全不同，游戏里的AI是直接从游戏代码中获取信息的，它只是一个后台程序，有一个固有的模式，玩家能轻易地找出电脑AI的漏洞，只要稍微用点策略，就能轻松击败电脑。

AlphaStar有强大的自我学习能力，它能分析大量的游戏录像，学习高手的操作模式和策略，同时也会进行实战，在失败中吸取教训和经验，集百家之长。

在人机对战中，AlphaStar有一个巨大优势，它能通过大量的案例和数据分析，总结出每一个选手的策略和打法，从中摸索出选手的「套路」，并能针对选手的个人风格「下套」。

这个手法在对战李世石时就很有成效，而此机制在《星际争霸2》上有更好的效果。这个游戏中有一个「战争迷雾」的机制，双方不能掌握场上的所有信息，而这时如果能对对手的策略进行预测，就能在游戏前中期积攒大量优势。

红色部分的战争迷雾

人的大脑能够控制的单位有上限，突破了这个限制就只能对单位进行编制，控制一个个小分队进行无脑攻击，所谓「一大波僵尸正在逼近」。

AlphaStar则不然，它没有人的形态，可以像哪吒那样有三头六臂。从理论上讲，AlphaStar可以同时监控多个地图位置，操控各个单位，让每个小兵都变成一个具有「独立意识」的英雄，各种风骚走位，不能自拔...

当然，为了保证游戏的公平，暴雪没有给AI开放多点操控的权限。Deepmind的发言人表示，AlphaStar并没有被赋予什么超能力，它在操作上所能做的一切，人类选手都可以复制。

但这很可能是一个谎言。

手速！手速！还是手速！

对一个选手素质的判定，有一个重要指标叫APM（Actions Per Minute）指的是选手每分钟的操作指令数，鼠标点击和一次键盘的敲击都算在内。

在星级争霸中，普通玩家的APM大约在100-200，顶级的玩家可以达到500。而根据后台的数据显示，AlphaStar的APM可以达到1000+。

在对阵人类选手Mana的比赛中，AlphaStar的APM一度上探到1500，平均没秒钟可以进行25次操作，这完全突破了人类的生理极限。在另一场比赛中，AlphaStar在战斗中打车了1000+的APM，虽然只持续了5秒钟，但在团战中给AlphaStar提供了非常大的先手优势。

除了团战，速度让AlphaStar在小规模遭遇战中占尽先机。

比如下面这个战斗，双方使用的是同样的神族兵种，黄色的人类选手在起初有站位优势，三个单位在一排，而蓝色的AlphaStar则两个在前面，一个单位落后。

AlphaStar通过有效的Hit and Run，通过最右边的单位进行走位，吸引火力，同时剩下的单位进行集中攻击的方式，化解了起初走位上的劣势，直接把人类选手的作战小队逼回了总部的高地。

在统计中来看，虽然AlphaStar的平均APM只有277，甚至落后于MaNa，但MaNa在高峰后有迅速的衰减，而AlphaStar可以保持长时间的快速操作。

虽然职业选手的手速惊人，但长时间的操作会产生疲劳，还会产生几乎不可避免的失误。因此AlphaStar在攻坚战、拉锯战等方面也更胜一筹。

AlphaStar的团队目前没有对这个质疑进行回应，但哪怕质疑被证实，AlphaStar所取得成就也无法抹杀，它奉献了精彩的比赛，也再次给人们展示了机器学习的无限可能。