Re: [請益] 關於一些遊戲的AI

看板GameDesign作者 (壓力太大 囧mmmmmmmmmmm)時間11年前 (2012/11/29 15:45), 編輯推噓5(5推 0噓 40→)
留言45則, 5人參與, 最新討論串7/22 (看更多)
人工智慧在遊戲業是不可不學的一個環節 但是這個環節實在太大 取捨是必須的 就我所知 為了避免個人電腦、商用電腦、中型電腦或以下等級的運算量不足 目前人工智慧設計的方向都只是智慧型代理人 也就是固定行為模式的AI 常看到的名詞就是「賽局」 人工智慧的極限就在於人腦的極限 因為最簡單的方式就是照著我們人給的設定去跑 若還要學習 那就又複雜化了 以最有名的深藍電腦來說好了 他的浮點運算速度是11.38 GFlops 目前許多入門級的桌上型電腦就已經超越了 問題就在於他的演算法(Alpha-Beta 演算法) 他平均一秒可以搜尋16億個節點 搜尋一步棋下了之後14步後的情況(平均每秒200萬步) 在賽局中期更可以搜尋到40步後情況 IBM也認為加快硬體發展才能加快人工智慧的發展 (以上資料是看書和網路上查的) 講了那麼多 人工智慧可深可淺 完全視情況以及能力來設計 對於人工智慧 我認為平行運算是絕對必須的 多重選擇同時進行 以目前消費級電腦的平均計算能力來說 西洋棋AI用窮舉法是絕對可行的 但就是沒什麼效率就是了 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 36.237.220.45 ※ 編輯: cowbaying 來自: 36.237.220.45 (11/29 15:50)
推
11/29 15:52, , 1F
終局2.08×10^170種 wiki寫的.....
11/29 15:52, 1F
→
11/29 15:53, , 2F
然後WIKI寫圍棋是PSPACE難，這是啥我看完WIKI還是不懂
11/29 15:53, 2F
→
11/29 15:53, , 3F
計算量 10^600
11/29 15:53, 3F
→
11/29 15:54, , 4F
在1978年證得圍棋是一種 PSPACE難 的問題，其必勝法之記憶
11/29 15:54, 4F
→
11/29 15:54, , 5F
在10^600以上。 整句是這樣
11/29 15:54, 5F
→
11/29 15:57, , 6F
呃，圍棋的必勝法運算量是全世界電腦運算量加起來算不完的
11/29 15:57, 6F
→
11/29 15:57, , 7F
程度XD
11/29 15:57, 7F
→
11/29 16:10, , 8F
抱歉 深藍是西洋棋 我一直想成圍棋 XDDD
11/29 16:10, 8F
※ 編輯: cowbaying 來自: 36.237.220.45 (11/29 16:10)
推
11/29 16:13, , 9F
西洋棋的複雜度估計也有10^120 [Newell et al., 1958]，應
11/29 16:13, 9F
→
11/29 16:14, , 10F
該還是全世界電腦算不完的東西XD
11/29 16:14, 10F
→
11/29 16:14, , 11F
雖然已經可以算到擊敗人類棋王，但並不是算出了最佳解這樣
11/29 16:14, 11F
→
11/29 16:20, , 12F
我認為電腦的優勢就是不會累 但是無差別的計算只證明了
11/29 16:20, 12F
→
11/29 16:20, , 13F
人工智慧的原始
11/29 16:20, 13F
→
11/29 16:21, , 14F
於是就有了決策系統
11/29 16:21, 14F
→
11/29 16:21, , 15F
應該說，你怎麼能保證人腦的思考方式其實最底層會不會其實
11/29 16:21, 15F
→
11/29 16:22, , 16F
也是這樣算的，只是因為架構夠複雜所以看不出來底層的原始
11/29 16:22, 16F
→
11/29 16:23, , 17F
特性
11/29 16:23, 17F
推
11/29 16:23, , 18F
其實人腦底層已經替你做好一堆平行運算了....
11/29 16:23, 18F
→
11/29 16:23, , 19F
類神經網路
11/29 16:23, 19F
→
11/29 16:24, , 20F
看到一張圖、區分輪廓、識別圖片etc
11/29 16:24, 20F
→
11/29 16:24, , 21F
那個是用程式會寫到死掉，但是人腦一瞬間就處理完的東西
11/29 16:24, 21F
→
11/29 16:25, , 22F
人腦算是有一千多億個平行計算核心的電腦吧
11/29 16:25, 22F
推
11/29 16:25, , 23F
所以人類的 "直覺" 其實是大量的資料量"從出生到現在的經驗
11/29 16:25, 23F
→
11/29 16:26, , 24F
" 配上無數連自己都無法查覺得平行運算 在一瞬間做出的決策
11/29 16:26, 24F
→
11/29 16:28, , 25F
我覺得alpha-beta算是很接近人腦思考的演算法了
11/29 16:28, 25F
→
11/29 16:29, , 26F
完全不可能的狀況就直接捨棄
11/29 16:29, 26F
→
11/29 16:30, , 27F
若是能從經驗累積來自行建立正確的alpha-beta運算法...
11/29 16:30, 27F
→
11/29 16:30, , 28F
算了 我想太多了= =
11/29 16:30, 28F
→
11/29 16:31, , 29F
現行的AI學習就是類似這樣 問題就是經驗來源
11/29 16:31, 29F
→
11/29 16:31, , 30F
還是我們人去設計的
11/29 16:31, 30F
→
11/29 16:32, , 31F
所以最後就變哲學問題了...XDDDD
11/29 16:32, 31F
推
11/29 16:50, , 32F
這要扯遠可以扯出很多鬼東西呢，從AI到底能不能做出真正的
11/29 16:50, 32F
→
11/29 16:51, , 33F
智慧、智慧的定義問題、愛因斯坦跟量子力學的對抗、上帝到
11/29 16:51, 33F
→
11/29 16:51, , 34F
底丟不丟骰子、命定論跟自由意識等等從科學到哲學的問題XD
11/29 16:51, 34F
→
11/29 16:52, , 35F
本來差點回一篇的，但是這樣跟GameDesign太遠了......XD
11/29 16:52, 35F
→
11/29 16:59, , 36F
能到跟到這篇真是太好了 因為工作的關係近期可能會寫一些
11/29 16:59, 36F
→
11/29 17:00, , 37F
AI類似的東西，雖然是由企劃定規則，不過原本對AI是連概念
11/29 17:00, 37F
→
11/29 17:00, , 38F
都沒有的XDD
11/29 17:00, 38F
→
11/30 10:13, , 39F
真的要試作近似人腦智慧的AI倒不能從處理太複雜的策略
11/30 10:13, 39F
→
11/30 10:14, , 40F
問題開始。可能得用基因演算法讓它們從基礎開始學習，
11/30 10:14, 40F
→
11/30 10:15, , 41F
學習過程越像獲得的概念（容我用「獲得概念」來比擬）
11/30 10:15, 41F
→
11/30 10:15, , 42F
才更接近生物的模式。
11/30 10:15, 42F
→
11/30 10:19, , 43F
其實我有個相關的計畫是把一個類似生存環境的東西寫成
11/30 10:19, 43F
→
11/30 10:20, , 44F
能背景地運作的網頁遊戲，然後丟上網讓裡面的東西持續
11/30 10:20, 44F
→
11/30 10:21, , 45F
演化，看最後裡面的東西能夠獲得怎樣的生存策略。
11/30 10:21, 45F
‣ 更多 cowbaying 的文章
文章代碼(AID): #1GjnA9Hy (GameDesign)
討論串 (同標題文章)
完整討論串 (本文為第 7 之 22 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共22篇)
‣ 更多 cowbaying 的文章
文章代碼(AID): #1GjnA9Hy (GameDesign)