早在2016年3月AlphaGo挑戰圍棋成功之後，就傳出Deepmind下一步計劃是在星際爭霸上打敗人類。

由於其複雜又迅速的遊戲過程，《星際爭霸》一直被認為是人工智能的終極挑戰。而自從去年穀歌 DeepMind 的 AlphaGo 戰勝圍棋大師李世石之後，《星際爭霸》就成為了許多人工智能專家眼中的下一個目標。這些專家裡就有 Demis Hassabis，創造 AlphaGo 的谷歌子公司——DeepMind 的創始人兼 CEO。

但職業選手在得知後第一時間發表看法：

24 歲的 Byun 很有信心戰勝人工智能。他表示，在有生之年，人工智能絕不是他的對手。

他的信心來源於《星際爭霸》與圍棋的不同之處。圍棋是一個"完全信息博弈"，即博弈雙方皆可以看到整個棋盤。但在《星際爭霸》中，由於玩家不能看到整個戰場，因此會在構思策略時受到信息的限制。而在一個實時策略遊戲中，信息是至關重要的，因為它會主導玩家的資源管理、探索巡邏、建築佈局，以及戰鬥計劃等一系列的策略。

1998年暴雪公司推出的星際爭霸，經過數次升級到“母巢之戰”版本，終於成為一款平衡性極好的即時戰略遊戲，人族、神族、蟲族三家兵種與科技特色極為鮮明。在不少玩家的心中，星際爭霸具有獨特的地位，對戰起來戰略非常複雜，而且富於變化經常有創新。

星際爭霸有個很大的問題，操作實在是太複雜。除了複雜的對戰策略，職業選手們還得有象抽風一樣的手速，APM(每分鐘操作）經常上400。對戰雙方一邊要採礦挖氣開分基地發展經濟、科技、兵工廠，還得去多線作戰，作戰時微操很重要。蟲族的“拖把流”就是說前方打得再激烈，還得抽空在後方不斷增補農民挖礦發展，這樣蟲族利用出兵快兵力前仆後繼的優勢，彌補了單兵戰力的不足，“補農”做的不好的對手後期就敗下陣來。

“在玩《星際爭霸》時，你需要對許多未知和變數作出迅速的反應，但是我發現AlphaGo這種人工智能並不擅長處理突發事件。”Byun說道。Byun不看好人工智能的另外一個原因就是長期策略，也是區分人類玩家能力的一大要點。“想要設計一個同時擅長短期和長期策略的人工智能很難。

能夠說明星際爭霸複雜性的，除了多線操作，還有“偵察”。有一定水平的玩家都會在很早就從本方基地派出一個農民去探路尋找對方基地（蟲族還會讓漂浮的房子去碰運氣），跑到對方基地偵察對方的發展動向。如果發展方向被針對了，失敗可能就非常大了。

從2010年開始，加拿大紐芬蘭紀念大學計算機科學系副教授Dave Churchill等人組織了AIIDE（人工智能與交互式數字娛樂年度會議）星際爭霸比賽，這是每年最重要的星際爭霸AI賽事之一，取得好名次的AI會與人類選手進行對抗。這些AI的水平肯定超過暴雪的內置AI，如果說與人類選手對戰，目前還得靠它們，Deepmind的AI看來一時指望不上。但是這些AI基本是用主動編程實現對戰策略，有點象是AlphaGo出現之前圍棋AI的格局。

之前有一個熱門視頻，AI控制的蟲族100條小狗咬爆了人族的20輛坦克。人類選手絕對不可能實現這個操控，它需要一隻小狗受到坦克攻擊的時候，邊上的小狗全部跳開，免得被炮彈作用範圍內的濺射殺死，這需要的手速超過了人類極限。

從理論上說，AI在微操上有很大優勢。如果雙方拉開陣勢按電腦預設的方式對打，電腦的微操優勢將讓人類難於應付。但是這多少有些“欺負人”，有點象編程鑽遊戲規則的空子。

豐富的策略與隨機應變正是星際爭霸的遊戲精髓，人類用編程的辦法應該沒有出路，正如圍棋AI用代碼編程實現高手思想不可能成功。即使Deepmind目前的進展很小，從根本上來說，還是得讓機器自我學習發展出隨機應變的能力。

機器學習挑戰星際爭霸的難度，應該是超過業界的想象了，也許接近強人工智能的難度。如果機器能打好星際爭霸，很多日常決策事務都可以戰勝人類了，人工智能的時代可能就真來了。

更多AI黑科技，盡在“人工智能的小人物”