这次的测试属于一个人工智能研究项目，对战的数据将用于后续的研究分析论文。玩家将不会被告知对手是否为AI，这是为了防止这个信息对玩家的干扰。出于研究目的，本次AI将不会从天梯匹配赛中学习，因此水平会基本保持恒定，不过将会有多个AlphaStar的变种加入天梯匹配，以获得更广的数据。玩家与AI的对战将会跟平时一样计入个人的胜负记录中，还会影响天体分数。

和以前一样，为了保证公平性，本次的AlphaStar不会拥有全地图视野，唯一的图像输入是通过摄像头拍摄屏幕的视角，而非直接获取计算机的图像数据。反应时间也跟人类类似，而且将会被严格限制APM，不会出现一月份表演赛时峰值APM破千的情况。

测试结束后，暴雪不会公布AI的对战次数，玩家的个人信息也不会被泄露，所有的游戏回放都将被用于之后的研究。

Deepmind方面昨天在网上公布了他们开发的AlphaStar AI程序在星际争霸II中跟人类选手过招的结果，对战的是职业选手TLO及Mana，比赛分别在12月10日及12月19日完成了，两次都是5：0完胜人类高手，昨天公布的是当时比赛的回放，有兴趣的可以看看Deepmind官方的介绍。

玩过星际的人应该知道这个游戏的复杂，对反应及微操要求都很高，还有APM（每分钟操作数）这个指标来衡量专业选手的能力，职业选手的APM一般能达到200-300，有个韩国选手朴圣俊有过818APM的记录，不过APM这事在AI上就没什么意义了，可以轻松实现数万个APM的水平。

也正因为此，这两次的比赛中实际上限制了AlphaStar的APM数，平均为280APM，这比专业选手的水平要差，同时还增加了AlphaStar“观察-行动”之间的延迟到350毫秒，这也是故意限制AI的性能，因为人类选手需要看地图再反馈的时间。

尽管有这么多限制，但是AlphaStar在对战人类职业选手的比赛中还是轻松取胜了，而且是10：0，人类毫无还手之力。为了训练AlphaStar，Deepmind团队使用谷歌的TPU v3创建了一个分布式训练系统，从数千场星际II比赛实例中学习训练，只用14天就积累了大约200年的实战经验，这个水平是永远超过正常的职业选手训练量的。