这段时间AI的呼声非常高，除了BD的双足机器人会站在台子上面后空翻之外，再早一些时候，Dota AI也在1vs1中，微操做赢了人类冠军，更不要说之前Google的AlphaGo Zero通过改进的强化学习，可以从一片空白，在36小时之内击败其前辈AlphaGo，而且利用的计算能力更小（李世石版使用了176个GPU和48个TPU，而如今的阿尔法零只使用一台机器和4个TPU）。

不过在星际争霸中，AI栽了跟斗：在韩国的星际争霸比赛中，三名人类选手(两名学生选手和宋炳具)分别与四个接受过《星际争霸》训练的人工智能机器人展开了竞争，其中包括来自韩国世宗大学的MJ机器人、来自澳大利亚的ZZZK、挪威的TSCMOO以及Facebook开发的CherryPi。最终，游戏玩家宋炳具(Song Byung-gu)以4:0击败了人工智能。

作为一个星际爱好者，非常希望看到高水平的AI可以，或许可以和自己比试一下，或者可以完爆计算机内置AI。最近折腾了一阵子，弄明白了星际争霸的AI对战方法。尝试了一下，结论是：AI打星际的水平还比较低，最高水平的AI和计算机相比，1vs2可以获胜，但是1vs3或者更高就差距很大，几乎是必死。普通水平的AI和计算机相比，1vs1也是必输，看了机器的表现，我也能赢AI，后面说说如何赢。星际是RTS的代表，因此估计其他的RTS游戏中，AI也不太可能战胜人类。

先简单说一下背景、配置和使用：

1、BWAPI的由来。一伙发烧友逆向工程了Blizzard的BroodWar，研究出来直接写BW的内存来获取状态并发布操作命令，有些类似破解，这个方法需要主队BW进行程序注入，因此也需要用Windows管理员权限来执行程序，否则就会报错。此后，很多爱好者可以通过这个接口开发AI与机器或者人类对战。目前有BWAPI有不少扩展。由于Blizzard不允许这伙人破解SC2，因此，BWAPI目前仅仅支持SC一代。

• BWAPI有个主页：http://www.starcraftai.com/wiki/Main_Page
• BWAPI是开源的：可以自行下载编译，用VS 2015编译了一下，除了有些项目配置需要修改之外，可以顺利编译并运行。
• 原先打算尝试一下多个AI对战，折腾了Win8.1虚拟机上配置BW，目前MS对外免费提供Windows虚拟机用于Edge浏览器测试，但是上面缺少很多VS的Lib，虽然可以安装vcredist程序，但是一些CRT的库还是没有，有个技巧是直接安装Paint.NET就可以了（需要安装一堆NET）

2、BWAPI的好几个主要版本和Bots，除了早期的2系列之外，其中3.7.4、4.0.1和4.1.2是主要版本，多数AI bot都是基于3.7.4的，目前一共有61个bots，如下，其中多数Bots都采用神族（Protoss），有个别几个是人族（Terran），虽然没有逐个查看，没有看到虫族AI。在所有AI中排名最高的是XIMP，一个斯洛伐克学生

Tomas Vajda写的AI（Comenius University in Bratislava, Slovakia），这个AI作战很有特点：

• 广泛的探索地图，建设至少3个基地
• 除了主基地之外，外部副基地都用大量地堡（Cannon）守卫，主要是采集资源
• 进攻方式为4个一组的航母（Carriers）和一个探测器（Observer）
• 航母和农民都会采用微操作减少伤亡

 

3、XIMP的介绍和能力

XIMP的作战模式是一种简单的粗暴的成功案例，类似人族的堵门战术和虫族的地刺战术，在资源充足的情况下，很有杀伤力。在1vs2的情况下，几乎可以稳获胜利，但是1vs3就难以取胜。XIMP会将人数提升到170-190之间，形成人数上的优势。仔细观察了失败的场景，航母在资源不足的情况下，完全失去控制力，被敌人快速击败。而且XIMP还是缺乏人类的智慧，主要实在重复固定的套路。

XIMP的地堡战术

XIMP主基地，建设丰富的建筑

一支航母舰队

航母舰队

威力巨大的航母舰队

XIMP在1vs2作战中获胜，杀伤人数很多

XIMP自身损失的主要是地堡

XIMP的胜利完全源自对资源的大量消耗

4、SC II Client。这个是Blizzard的官方API（与Google合作），可以通过非破解的方式来访问游戏状态并发布操作。CommandCenter是David Churchill组织开发的一个AI框架（加拿大纽芬兰纪念大学的助理教授，此人也是 AIIDE 星际争霸 AI 对抗赛的组织者）。CommandCenter可以支持BWAPI，也支持SC II AIAPI，但是系统架构还是采用前面提到的UAlbertaBot。

主要特性：（来自https://www.jiqizhixin.com/articles/2017-08-11-2的翻译，原文在https://github.com/davechurchill/commandcenter ）

• 可以操作人族、神族与虫族进行比赛，并可以对单位进行微操。
• 进行在线地图分析，提取基础地址与扩展信息等资料。
• 跟踪所有曾经看到过的敌方单位，记住它们上次出现的地图位置。
• 拥有 WorkerManager，可以管理资源采集、SCV\探机\工蜂的位置和建造活动。
• 可以执行在配置文件中编写的预定义的建造顺序。
• 你可以轻松创建自己的建造顺序，并在游戏中即时对其进行修改。
• 包含建筑物摆放算法，可以找到给定地址附近最近的可建造位置。
• 用建造单位搜索地图，试图寻找敌方基地位置。
• 一旦达成特定的条件（如默认条件下：12 个战斗单位），AI 将发出指令对敌方基地方向展开攻击。
• 可以对单位进行编组，其中可包括不同种类的单位，对特定位置进行攻击或防御。
• 开发者表示，尽管目前还不尽完善，CommandCenter 最终将会包含 UAlbertaBot 的所有功能。以下是目前缺失\即将推出的功能列表：
• 目前 AI 只能通过 ProductionManager 构建单位和基本建筑物——不能控制附加组件，研究或升级。
• 目前还没有自动构建订单计划系统。
• 没有战斗模拟机制，无法预测战斗的胜率。
• 目前 AI 只能用于 1v1 对战，如果进行多人或组队游戏，可能会出现无法预测的情况。4、SC2LE训练集 。8月7日，Facebook的AI团队发布了史上最大的《星际争霸：母巢之战》游戏数据集。紧接着10号，Deepmind就和暴雪联合发布了《星际争霸2》的游戏数据集与AI训练平台SC2LE。看这个架势，巨头们准备大张旗鼓地弄AI了

 

从目前的情况看，AI对于单一能力的掌握和提升具有很强的优势，特别是对于大量同类对象的控制能力，在BWAPI中就可以看的很清楚。但是一旦涉及到多种能力的组合、对场景的全局掌控、对合作方的联合控制时，AI就显得能力不足了，这一点目前看来在其他领域，AI也未能取得突破。还需要一些时间，也许这一波AI浪潮就这么过去了，留下了一大批算法和原型

相关信息：

1、Starcraft AI

2、三年内的电脑程序AI是否能在星际争霸，星际争霸2，魔兽争霸3

3、http://www.starcraftai.com/wiki/List_of_bots

4、Nova：一个人族AI、源代码

5、BWAPI源代码

6、BWAPI 4.2.0说明文档

7、CommandCenter: AI Bot for Broodwar and Starcraft II（没试过）

8、BWAPI的发行版，懒人可用

9、Starcraft 2 Automated Player

10、CommandCenter：基于暴雪官方API的星际争霸2 AI Bot

11、Deepmind和Facebook两大AI巨头