Wpis z mikrobloga

@Abstrakcyjne_Kapibary: Bardzo chętnie to zobaczę. Obecnie state of the art w temacie to reinforcement deep learning w Starcrafcie i Quake. W pierwszym przypadku sieć radzi sobie różnie że względu na ogromną liczbę możliwości jakie są do wyboru. A są to efekty prac wielu naukowców i inżynierów i samo przetwarzanie obrazu z gry na format danych akceptowany przez NN potrafi być nietrywialne.
https://deepmind.com/blog/capture-the-flag-science/
https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/

Mógłbyś wrzucić film demonstrujący Twoje dotychczasowe sukcesy w
  • Odpowiedz
@Abstrakcyjne_Kapibary: Szczerze mówiąc, wydaje mi się, że obecne metody sztucznej inteligencji nie są w stanie przejsć wiedźmina. Obecnie sztuczna inteligencja wymaga stworzenia modelu przez człowieka, a jak chciałbyś w ogóle stworzyć model przejścia złożonej gry?
Przy prostych zadaniach sprawa jest również prosta - trzymasz się trasy - robisz dobrze; zbaczasz z trasy - robisz źle. Rozpoznałeś znak drogowy - dobrze. Nie rozpoznałeś? Źle. I tak dalej. Wszystko to przypomina funkcję łatwą
  • Odpowiedz
a jak chciałbyś w ogóle stworzyć model przejścia złożonej gry?


@tmux: to już chyba wkracza sporo ponad model przejścia złożonej gry. Żeby zbudować AI które faktycznie miałoby sensie przejść wiedźmina trzebaby zbudować prawdziwą inteligencję i to na poziomie całkiem wysokiej ludzkiej. Prowadzenie dialogów, zapamiętywanie poprzednich wyborów, rozumienie implikacji rozmów i treści zadań, tutaj już mówimy o czymś poziomy ponad testem Turinga. Generalnie miejmy nadzieję że OPowi się to nie uda, bo
  • Odpowiedz
  • 0
@tmux teoretycznie jest to możliwe (piszę inżynierke powiązaną z MSI)
@Abstrakcyjne_Kapibary uczenie z nauczycielami, i to tak mocno zaawansowane, zbierz ile się da dokładnych zapisów przejęcia gry tak kilkaset ¯_(ツ)_/¯ i jazda ;)
  • Odpowiedz