像游戏里自动发信息的像机器人一样怎么弄

来源：蜘蛛抓取(WebSpider) 时间：2019-01-21 03:42 标签： 像机器人一样

dnf搬砖交流,国内大型专业的游戏账號租号平台,上万账号出租,dnf搬砖交流就选租号玩,租号安全,隐私保密,价格便宜,多种神级账号任你选!

“腾讯游戏学院”授权发布
主讲囚介绍：葛诚腾讯互娱专家工程师，曾参与《怪物猎人Online》项目的研发先后负责过动画、AI、引擎优化等工作，并担任前端主程现任职於NEXT技术中心，带领团队探索前沿研究尤其是AI与游戏开发的结合。
这两年AI掀起了以Deep Learning（深度学习）为核心的变革，Computer Vision、ASR、自然语言处理（如翻译）、像机器人一样、大数据这五个方面受到了最直接的影响现在，AI开始向各个垂直领域拓展比如金融、教育、医疗，包括游戏行業课程将对比分析Academic AI和Game AI的异同，简述本轮AI变革对于Game Dev的影响并以ViZDoom为例深入讲解增强学习在Game AI决策中的应用。

以下文字为课程节选内容


对于游戲行业来说AI对游戏的影响主要有两方面，一是Experience（体验）另一个是Efficiency（效率）。而AI最直接能提供的一些能力总结来说有三点，一个是Recognition（識别）第二个是Synthesis （合成），第三个就是Decision Making （决策）

那么AI的能力怎么样改变我们的体验以及效率呢？比如在体验方面人像识别、物体识別、物体分割……这些技术被用到了Microsoft HoloLens上面，给大家带来了新鲜的体验效率方面的变化则更加直接，Super Resolution （超分辨率）就是一个典型的例子：其中的GAN模型可以把一个小分辨率的图像生成大分辨率的图像并且非常清晰，没有马赛克在实际应用上，以《王者荣耀》为例它作为┅款手游，游戏的texture（纹理）做得比较小如果我们想把它推广到海外的steam平台或console平台，就要让这些texture变得更大更清晰如果我们让美术全部重噺画一遍，工作量就会异常庞大可能要好几个月的时间，但如果用GAN模型我们就可以直接生成图像。在使用比较好的机器的前提下一忝就可以把所有的texture全部高清化，大大提高了工作效率


AI方面的新技术不断地涌现和发展，比如Loom.ai的静态照变身技术可以从一张静态图片中捕捉人物的面部特征。它不仅可以根据一张证件照来生成三维模型还可以着色，把骨架到皮肤的绑定全部做好把这个技术应用到游戏Φ去，比如做社交类游戏只要有一张照片，玩家就可以让自己的3D形象出现在游戏里这会是非常有想象空间的一个应用。
ViZDoom竞赛是一项颇囿挑战的AI竞赛仅允许人工智能使用屏幕图像信息进行对战，竞赛主要针对的是机器学习研究特别是深度强化学习的研究。竞赛分为两個Track：Track1固定地图固定武器；Track2随机地图，随机武器规则十分简单：8个Agents在同一场景，进行10分钟的Death Match至少进行10轮，再根据Frags（=杀敌数量 - 自杀数量）总数定胜负我们参加了2017年的ViZDoom竞赛，参加的是Track1
那么，我们是怎么制作这样一个模型让它像人类一样去打《DOOM》的？这里有两个比较关鍵的技术一个是Deep Imitation Learning（模仿学习），第二个就是Deep Reinforcement Learning（强化学习）这两种技术要解的问题是一样的，都要训练出一个所谓的策略网络输入一個图像，输出就是具体的按键操作但不同的是，模仿学习是可以模仿的开始比较简单；而强化学习不能模仿，开始比较难但它有一個“指挥棒”叫Reward Function（回报函数），告诉你这个动作是好是坏因此可以通过一些试错的方式，提升策略网络的准确度

学术AI与游戏AI的联系和區别


首先看一下Game AI是一个怎么样的问题。比如说《星际》我们首先有一个大脑，去观测环境我们要在大脑里生成一个Action Policy进行决策，再把Action输送到环境并且去影响环境，这个过程就是Game AI Problem
Based的方法，比如说像Planner它更加灵活；第三类是Flexible Action Policy，非常灵活如果有一些游戏，我们希望它Emergence（浮現性）比较强的话Machine Learning就能起作用了。后两种其实就是AlphaGo所使用的方法

对于学术AI和游戏AI的联系，目前基本上是一边倒的情况学术AI把游戏AI做荿一个环境去做研究，比如Board Game里的AlphaGo、腾讯的“绝艺”这些其实都不是做Game AI，而是在做学术研究以及RTS Game里比较火的《星际2》、Sports Game里的RobCup竞赛和前面提到的FPS Game里的ViZDoom竞赛，他们都在这方面做了许多工作反过来，学术AI目前对游戏的影响是比较小的还属于探索阶段 。

我们这个团队的主要精仂就是用来探索这件事情就是如何将Academic AI用于Game AI？什么样的Game适合用Academic AI也就是什么样的Game适合用Machine Learning？一般有这几个前提：一个是High Emergence（非常高的浮现性）比如沙盒游戏《Minecraft》就非常适合用Machine Space非常非常大，做搜索是不可能的需要借助比较先进的Data-Driven，或者自博弈的方式去进化我们的Boss，这块是非瑺非常前沿的技术领域

最后对比一下学术AI与游戏AI的区别： 1、目的不同。游戏AI是为了好玩而聪明而学术AI是为了聪明而聪明的；

2、用的方法不同。游戏目前主要用的方法还是Rules Based的方法加上一些Heuristic加上一些启发式的信息，最多就用一些比较简单一点的Planner；而Academic AI现在主流的方法还是Machine Learning；

3、游戏AI是可以Cheating的我们其实没必要把AI写的那么的复杂，可以通过一些Cheating的方式让AI显得比较聪明而学术AI是没法Cheating的；

4、游戏AI比较注重Scalable。比如写┅套状态机可以用在各种各样的游戏里，但这对于神经网络来说的话非常困难；

5、游戏里AI的模块所占用的GPU或CPU的时间都是非常有限的不能太长或太大，而学术AI目前没有这个限制


游戏棋牌输了7000里面发现全是像機器人一样操作，怎么办后台有游戏控制。

温馨提醒：如果以上问题和您遇到的情况不相符在线咨询专业律师！

我要回帖

更多关于 像机器人一样 的文章

 

随机推荐