Vinyals说：“那时候，我已经开始觉得我们应该进行机器学习，不过为时尚早。
”Vinyals在2016年加入DeepMind，在那里他开始从事AI的研究，这些AI可以教自己如何玩《星际争霸2》。
AlphaStar通过学习模仿近一百万种人类游戏来进行培训。
▲DeepMind的AlphaStar自我训练截图为了进一步改善AlphaStar的表现，DeepMind建立了一个联盟，在这个联盟中，不同的AI版本相互竞争。
伦敦帝国学院的AI研究员Kai Arulkumaran说，这种方法对于没有最佳策略的《星际争霸2》这样的游戏以及许多其他现实生活中的AI应用都是非常有意义的。
三、敏锐的玩家DeepMind对AlphaStar施加了约束，以确保AI是从思维层面超越了人类，而不是只是有更快的反应速度，点击更快。
为此，DeepMind将AlphaStar的反应速度限制为“有经验的人类玩家（experienced human players）”。
在这种情况下，经过27天的培训，AlphaStar在欧洲服务器上排名已经跻身前0.5％。
然而，经过50场比赛，DeepMind遇到了障碍。
一些玩家已经注意到，《星际争霸2》的游戏对战平台上的三个帐户在相似的时间段内玩了完全相同数量的《星际争霸2》游戏——AlphaStar秘密使用的三个帐户。
在观看这些比赛的重播时，玩家注意到帐户所有者所执行的动作对于人类来说几乎是不可能的。
为了应对这样的状况，DeepMind开始使用多种技巧来保持比赛的盲目性，并阻止玩家发现AlphaStar，例如定期更换帐户。
最终版本的AlphaStar依靠总共44天的培训，已经跻身职业玩家之列。
虽然无法像国际象棋和围棋那样击败世界上最好的玩家，但DeepMind认为其基准已经达到，并表示已经完成了《星际争霸2》的挑战。
其他AI科学家并不确定AlphaStar可以取得完全胜利。
加拿大纽芬兰纪念大学的AI研究人员戴夫·丘吉尔（Dave Churchill）认为，AlphaStar仍然存在许多弱点，比如面对以前从未见过的策略。
他说：“ AlphaStar令人印象深刻，并且绝对是迄今为止所有《星际争霸》系列游戏中最强大的AI系统。
” “话虽如此，《星际争霸》系列距离被“解决（solve）”还遥遥无期，而AlphaStar也远没有达到世界冠军水平。
”四、不仅止步于游戏DeepMind的最终目标不仅是超人类的《星际争霸2》玩家。
与AlphaZero一样，目标是利用AlphaStar的经验来开发能够解决社会中一些严峻挑战的系统。
为此，DeepMind参与了很多与健康相关的AI项目，包括在美国退伍军人事务部进行的一项试验，以开发一种能够预测急性肾衰竭（AKI）并识别大多数严重病例的模型。
最近，DeepMind的AlphaFold（一种可以预测复杂蛋白质结构的AI系统）在CASP13蛋白质折叠竞赛中名列98位竞争对手之首。
除了AKI和蛋白质折叠以外，DeepMind在英国NHS研究开发一种算法，用于搜索失明的早期征兆。