在這兩年，AI系統參與棋牌，遊戲等博弈性遊戲的例子已經屢見不鮮了。早在1962年，計算機發明之後的近20年，薩繆爾和他的程式設計師們就發明出了跳棋的不敗演算法，意思就是除非對面按照和這條演算法完全一樣的邏輯下棋，不然沒有任何獲勝的可能。

隨後的深藍擊敗國際象棋頂尖選手，再到圍棋的Alphago和Master的盛行，李世石和柯潔的慘敗，都是AI在博弈類益智遊戲的繼續進展，在征服了幾款傳統的棋牌遊戲之後，各大AI公司機構都把目光伸向了這款曾經的“上帝之作”星際爭霸。

我們可以看出AI公司在選擇專案的時候，難度和複雜度也是循序漸進的。從跳棋到國際象棋，再到圍棋和星際爭霸，難度和複雜度是大幅遞增的，這也解釋了為什麼這四個專案中只有跳棋擁有不敗演算法。

而星際爭霸相比其他幾個專案來說，有幾點是棋牌遊戲不具備的。首先，滑鼠和鍵盤的操作水準是一個選手實力的重要評判標準，而Alphago是一個演算法，並不能直接寫入星際爭霸的記憶體，所以說讓AI擁有高水準的操作，是棋類遊戲中不存在的難點。

再有一點就是戰爭迷霧的存在，棋類遊戲中（除了軍棋），自己和對手的行動都是公開的，而星際爭霸則不然，戰爭迷霧的存在，讓雙方對對手的認知都非常有限，在有限的資訊內，玩家要在很多時候要憑藉經驗推測，或者猜測博弈，這些對於一個演算法來說，是難度非常大的，畢竟一個演算法要有輸出，必須要有足夠的資料輸入。而且現在的主流是深度學習的演算法，一般都是讓演算法自己和自己對弈，但在一次對弈中出現的資料非常有限時，演算法的自我提升就非常有限了。

所以說，星際爭霸給各大AI機構提出了一個巨大的挑戰，谷歌的Deepmind在研究一年之後便宣告進展進入停滯，並把一部分演算法開源介面供廣大玩家研究，而被Stork擊敗的首爾大學AI，程度還不及Deepmind，面對Stork這位前天王級別的選手，自然是沒有機會。

恰好，筆者的一位好友目前在中科院計算所工作，他們也正在研究星際爭霸的AI，祝願他們能夠有所突破

第二打星際最不可怕的就是按部就班，最可怕的不按套路出牌，這跟圍棋不一樣，星際是不透明的，一切需要根據每一分鐘的情況做出改變，在這種情況下，除非ai從頭偵查到尾，沒有資料他如何判斷？面對快攻更慘……所以說在目前階段，星際ai還在新手期，離跟狗一樣戰勝人類還有很長的一段距離。

其實這個不難理解，現在針對這專案的AI還沒有足夠的發展，就像當年我們諾基亞時代用手機下象棋對電腦，也能完勝。但現在演算法和運算速度都大大提高的情況下形勢就不一樣了。只要星際類遊戲的AI繼續深挖發展下去，完勝人類不是問題。