随着对更复杂的人工智能 (AI) 需求的增长，他们在此过程中必须面临的挑战也必须相应发展。与国际象棋等回合制棋盘游戏不同，实时战略 (RTS) 视频游戏可以作为挑战 AI 极限的广阔游乐场。特别是星际争霸 II (SC2)，作为世界上最受欢迎和对技能要求很高的 RTS 游戏之一，已经成为一些开创性的 AI 相关研究的对象。

在 SC2 比赛中，每个玩家都必须建立并指挥一支由不同单位组成的，以用智慧和勇气击败他们的对手。虽然基于 AI 的系统可以在游戏的许多方面表现出色，但在战斗中改善他们关于何时将其单位派往或重新安置的决策是非常困难的。这是因为可以由几乎无穷无尽的不同单位组合组成，这些组合根据各种因素协同作用。此外，发生战斗的战场(“地形”)的特征会对结果产生决定性的影响。到目前为止，还没有研究同时关注这两个方面来进行基于人工智能的战斗结果预测——这是任何 SC2 玩家的基本技能。

在最近的一项研究中，韩国光州科学技术研究院 (GIST) 的一组科学家使用基于深度学习的方法解决了这个问题。通过构建和训练深度神经网络 (DNN) 模型，研究人员开发了一个系统，该系统可以通过同时考虑敌方的详细组成和他们将作战的地形类型来预测 SC2 战斗的结果。他们的论文于 2021 年7 月 24 日在线发布，并于 2021 年12 月 15 日发表在具有应用程序的专家系统的第 185 卷中。

所提出的 DNN 模型利用了一种称为“参数共享”的技术，使其能够在很短的时间内有效而精确地分析战场环境。“我们的 AI 能够考虑众多复杂因素来预测整体战斗结果。实施后，这样的模型将帮助 AI 玩家就其进攻和防守策略做出正确的决定，”Chang Wook Ahn 教授强调说，他领导了这项研究。

完善人工智能在 SC2 等复杂视频游戏中做出决策的方式最终将导致基于人工智能的系统能够评估和正确处理现实世界中的困难情况。正如 Ahn 教授所解释的那样：“我们相信游戏和工业中使用的 AI 并没有太大的不同，更多的 AI 应用很快就会在我们的日常生活中变得切实可见。因此，我们在这个主题上的继续研究可能会成为基石之一全球努力开发能够感知情况和合乎逻辑的人工智能。 ”

随着游戏与现实世界环境之间的差距缩小，视频游戏人工智能系统的研究很可能会变得越来越有价值，因此请密切关注该领域的进一步发展!