分類目錄
186個；
已收錄資訊
9553篇；
已收錄
9652站；
待審網(wǎng)站
1872站；
當(dāng)月收錄0站;
今日審核0站；
花火網(wǎng)訊 人工智能除了下棋，現(xiàn)在又進(jìn)入了游戲的領(lǐng)域，那么，他們玩的怎么樣呢？首先需要指明的是，騰訊的這篇新論文關(guān)注的是 1v1 游戲AI，并不是 5v5 游戲AI。研究人員在論文中解釋稱，后者更注重所有智能體的團(tuán)隊合作策略，而不是單個智能體的動作決策。
考慮到這一點，1v1游戲更適合用來研究游戲中的復(fù)雜動作決策問題，也能夠更加全面系統(tǒng)的研究游戲 AI 智能體的構(gòu)建。AI的整體架構(gòu)一共分為4個模塊：強(qiáng)化學(xué)習(xí)學(xué)習(xí)器(RL Learner)、人工智能服務(wù)器(AI Server)、分發(fā)模塊(Dispatch Module)和記憶池(Memory Pool)。
這是一種高可擴(kuò)展低耦合的系統(tǒng)架構(gòu)，可以用來構(gòu)建數(shù)據(jù)并行化。主要考慮的是復(fù)雜智能體的動作決策問題可能引入高方差的隨機(jī)梯度，所以有必要采用較大的批大小以加快訓(xùn)練速度。其中，AI服務(wù)器實現(xiàn)的是 AI 模型與環(huán)境的交互方式。分發(fā)模塊是用于樣本收集、壓縮和傳輸?shù)墓ぷ髡尽Ｓ洃洺厥菙?shù)據(jù)存儲模塊，能為 RL 學(xué)習(xí)器提供訓(xùn)練實例。
這些模塊是分離的，可靈活配置，從而讓研究者可將重心放在算法設(shè)計和環(huán)境邏輯上。這樣的系統(tǒng)設(shè)計也可用于其它的多智能體競爭問題。在強(qiáng)化學(xué)習(xí)學(xué)習(xí)器中，他們還實現(xiàn)了一個 actor-critic 神經(jīng)網(wǎng)絡(luò)，用于建模1v1 游戲中的動作依賴關(guān)系。
為了應(yīng)對游戲中的多個場景決策，研究人員們還提出了一系列算法策略，來實現(xiàn)更高效率的訓(xùn)練：
為了幫助AI在戰(zhàn)斗中選擇目標(biāo)，引入目標(biāo)注意力機(jī)制;
為了學(xué)習(xí)英雄的技能釋放組合，以便AI在序列決策中，快速輸出大量傷害，使用了LSTM;
用于構(gòu)建多標(biāo)簽近端策略優(yōu)化(PPO)目標(biāo)，采用動作依賴關(guān)系的解耦;
為了引導(dǎo)強(qiáng)化學(xué)習(xí)過程中的探索，開發(fā)了基于游戲知識的剪枝方法;
為了確保使用大和有偏差的數(shù)據(jù)批進(jìn)行訓(xùn)練時的收斂性，改進(jìn) PPO 算法提出dual-clip PPO，其示意圖如下所示：
研究人員在論文中指出，基于這樣的方法訓(xùn)練一個英雄，使用48個P40 GPU卡和18000個CPU 內(nèi)核，訓(xùn)練一天相當(dāng)于人類打500年，訓(xùn)練30個小時就能達(dá)到王者段位水平，70個小時比肩職業(yè)玩家，其表現(xiàn)要顯著優(yōu)于多種baseline方法。
而且如前所述，在與人類選手交戰(zhàn)的測試中，獲得了非常亮眼的成績。
以上就是小編整理的關(guān)于AI的資訊，將來會不會有人工智能與人類的比賽呢?
此文由 網(wǎng)站目錄_網(wǎng)站網(wǎng)址收錄與提交入口 編輯，未經(jīng)允許不得轉(zhuǎn)載！：