StarCraft II stał się poligonem doświadczalnym sztucznej inteligencji

O swoim zainteresowaniu StarCraftem eksperci z DeepMind mówilijuż w zeszłym roku, po tym, jak ich sztuczna inteligencja AlphaGojako pierwsza pokonała jednego z najlepszych ludzkich graczy wturnieju go. Ogłoszono wtedy, że stworzone zostanie otwarteśrodowisko badawcze, dostępne dla każdego, kto chciałby pracowaćnad projektowaniem agentów zdolnych rywalizować w e-sportowychturniejach.

Ze swojej strony Blizzard oferuje teraz kompletne StarCraftII API, przeznaczoną do celów badawczych wersję gryskompilowaną na Linuksa, przeznaczoną do uruchamiania w chmurze.Oferuje ona nie tylko interfejsy do skryptowania AI i rozpoznawaniaobrazu, ale też wsparcie dla gier offline między sztucznymiinteligencjami, dokumentację, próbki kodu i przykładowe boty.Dostarczona zostaje też biblioteka 65 tysięcy zanonimizowanychbitew między ludźmi, które posłużą do trenowania agentów – ato dopiero początek, bo w ciągu najbliższych tygodni liczba tychbitew wzrośnie do pół miliona.

We współpracy z Blizzardem, DeepMind prezentuje SC2LE(StarCraft II Learning Environment), nowe wyzwanie dla zajmującychsię maszynowym uczeniem przez wzmacnianie. Wieloagentowy problem,obejmujący interakcję wielu graczy, z ograniczonym dostępem doinformacji i ogromną przestrzenią działań, wymagający zarównoplanowania strategicznego na wiele minut naprzód jak i szybkichtaktycznych zagrań podczas lokalnych starć – szachy przy tym tobłahostka. Nawet na małej mapie 84×84 mamy około 100 milionówmożliwych akcji.

Przygotowane przez DeepMind narzędzie PySC2upraszcza ogarnięcie udostępnionego API StarCrafta II: zamienia onoje w środowisko nauki przez wzmacnianie, oferując interfejsy dlaagentów poprzez które mogą wchodzić w interakcję z grą,obserwować wydarzenia i podejmować działania.

Poziom skomplikowania gry sprawia, że na początku łatwiejbędzie zająć się jednak dostarczonymi też minigrami – tj.poszczególnymi aspektami StarCrafta II, w których agenty będąmogły uczyć się np. zbierania zasobów, przemieszczania po mapie,budowania właściwych jednostek. Podzielenie rozgrywki na takiemoduły pomóc ma w testowaniu i porównywaniu różnych technik odróżnych badaczy, zanim jeszcze przejdzie się do budowy AI zdolnychogarnąć całą grę.

Jak na razie, dostępne agenty są bardzo słabe. Nawetnajmocniejsze z nich nie są w stanie wygrać z AI gry na najniższympoziomie trudności. Początkowo problemem może być nawetutrzymanie wydobycia minerałów, sprawa banalna dla ludzkich graczy.Szkolenie z nadzorem pomaga, ale to poziomu zawodowych graczy drogajeszcze bardzo daleka.