本文摘要:李世石和柯洁战败后,人类在棋类竞技场已经不能和AI决定了。

李世石和柯洁战败后,人类在棋类竞技场已经不能和AI决定了。许多人会说,作为一名非职业象棋运动员,他们不在乎他们不能赢的象棋。

想一想。今后玩游戏也输不了AI……这件事已经发生了,还在加速。据报道,2017年9月,OpenAI的DotA2游戏人工智能在1V1中打败了人类玩家。

同年9月,世界上仅次于的3D游戏引擎Unity宣布UnityMachineLearningAgents(ML-Agents)获得游戏开发者的开源AI工具包。Unity这个开源工具包是Unity将机器学习应用于游戏的成果,AI已经附属于各行各业,在游戏行业不会带来有趣的成果吗?5月11-13日,UniteBeijingbeingbeingbei2018在国家会议中心召开会议。UnityAI和机械学习副社长Danny,Lange共享ML-Agents的新进展,(公共编号:)也回到了现场。ML-Agents帮助游戏开发Lange,机械学习对于游戏开发来说是最重要的,需要使游戏开发过程更加简单,使游戏更加有魅力,开发人员不需要编程所有的方案,游戏和玩家的对话变化就像人从环境中感觉到,作出反应一样。

ML-Agents可以以完全相同的方式训练这些系统。Lange向大家展示了Demo、未来主义的赛车游戏,Demo的左侧是人类,右侧是机器学习的Agent。

最初,Agent弯道不好,容易装车,但是逐渐学习人类的操作者,大约25分钟的训练后,可以看到可能还不大,但是会再次爆胎。经过大训练,Agent可以编程非常好的运动员。

那么,在明确的游戏场景中,机械学习可以应用于一些方面。第一个是建立NPC,有很多不道德的NPC,NPC已经自学了很多人不道德,这不会使与人的交流更加自然。

二是游戏本身。人工智能需要为优化玩家体验而自学,而不是为开发者体验而优化。对于玩家来说,不会有更多的个性化和自定义单的东西。

第三,在游戏发表之前,我们用机器学习测试游戏表前测试游戏。保证用于agent替换人类玩家进行游戏时,需要了解游戏是否能顺利进行。另外,游戏中人类玩家数量少的话,可以用agent代替人类玩家。

最后一个方面是match,making。用于机器学习,可以找到合适的玩家,一起玩游戏。

可以让机器学习系统了解如何优化游戏时间,为玩家筛选,以及如何最大限度地利用游戏时间。(Unity创立的网球游戏RL/ML模拟训练环境示例)ML-Agents训练自动驾驶、机器人从2年以上开始计划变革,从显引擎提供商变成了网络云电子货币服务。

DannyLange是Unity力量AI领域背后的推进者,在重新加入Unity之前,Lange兼任Uber机器学习负责人,以前,Lange管理过亚马逊和微软公司的机器学习产品开发。除了游戏,ML-Agents在自动驾驶和机器人领域还有很多应用于场景。

据Lange介绍,自动驾驶是ML-Agents相当大的应用领域,不需要像Uber那样在现实道路上驾驶员,可以用机器学习模拟,防止现实道路测试引起的事故。另一个领域是机器人,通过增强型自学,可以在虚拟环境中训练机器人,迅速完成数十万次或数百万次训练。训练的模型可以应用于现实机器人。另外,ML-Agents也可以应用于建筑设计。

例如,如何合理设计地下通道、人流,用机器学习模拟建筑内的路线图。文章:建立AI训练的基础平台!Unity发售Machine。LearningAgentsUnityAI副社长DannyLange:如何用AI推进游戏行业?|ACMMM2017原创文章授权禁令刊登。

下一篇文章发表了注意事项。

本文关键词:鸭脖娱乐官网,鸭脖娱乐官网官方网站

本文来源:鸭脖娱乐官网-www.dfeir.com

相关文章