作者pkyosx (Insomnia)
看板StarCraft
标题Re: [新闻] 加州大学伯克利分校开设星海争霸课程
时间Fri Feb 13 12:06:48 2009
※ 引述《unknow12 (LockOn)》之铭言：
: 跟学术也有关系的一个发现
: 之前路过资工系的时候
: 他们都会在墙上放上我都看不懂的学生各种的研究展示
: 其中我看到一个研究题目为:战略游戏的AI决策分析(大概是这样巴)
: 往下看..看到神族虫族人类,这不是SC吗!
: 他用了我忘了什麽名子的方法(xxx reasoning xx啥咪决策分析的)
Case-Based Reasoning
: 可能是人工智慧里面的东东巴(资讯学院有搞这个)
You got it!
: 重点是此研究的实验方法为
: 找三个人各打一百场SC
: 所以这个研究生的工作一定是:为了毕业而天天打SC..有没有这麽爽
还蛮常打的 不过是因为写不出论文拿电脑发泄...=.=
你没发现图表上面 玩家的名字很眼熟吗... Slayers_`Boxer`, Nal_rA, July, ...
: 最後有三个图..我也看不懂..好像有个抖来抖去的线越来越靠近某个直线
: 然後说这个AI的对玩家的决策判定越来越准
: 原来硕士题目什麽都有
没想到会在这里看到这个东西...
记得很久以前老是会有月经文在问... 我的星海AI变强了耶
在发现原来星海的 AI 并不会学习以後 (但是写的真的比 AOC 好多了)
我一直以来都期待有个天才设计出有学习能力的 AI
同学说 别傻了 学AI应该没啥用
你看那麽多天才有听说弄出个什麽真的智慧吗
於是我就加入了AI实验室
实验室的两大主流是 疾病、社会模拟 以及 线上游戏行为、社群分析
舍弃了实验室的两大主流 所以不会有前人 只好自己一个人搞 RTS
但是我一直都找不太到有针对 RTS 这种策略的相关论文
有趣却一点都没有办法写成论文的实验我倒是做了很多
有一阵子常常在讨论代打 跟假ID的事件
於是我建了热键资料库 你给我一场比赛的录像
我写的程式会从几百几千个玩家中 告诉你那有百分之多少是谁
但是这能写成论文吗... 不行= =
最後好不容易从找到的不多的RTS论文中看到 Case-Based Reasoning
这很适合套用在我的问题上... 得救
然後我让电脑透过 Replay 去学习特定玩家的策略行为
再拿其他组的 Replay 来验证我预测玩家的策略模型
就是你说的那些曲线
目的是先踏出第一步 你如果能够丢进去一些 Replay
让电脑学会某些玩家的策略 那不是很棒吗...
但是限制很多... Replay 里面存的只有你下的指令
我又没有模拟器 你就知道心里面有多靠背了
相较於其他人 我很早就开始准备论文的东西
但是整整花了一年多 最後的一个月才觉得自己有可能毕业
那一阵子星海越打越凶... 都拿电脑出气
有限矿一打三台电脑又很难 胜率只有一成... 火气更大
最靠杯的是 论文交出去以後还要我们做海报.... !@#$%
後来听说翻成英文以後投了国外三篇 paper 都上了...
就还蛮爽的! 写起来是有点心虚 不过因为真的太少人在写这个东西了
算是.... 开辟者的优势吧!!
现在我还是在等哪天有个天才能够写出会学习的 AI...
--
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 140.113.88.88
1F：推 o035016:gan 真是威 02/13 12:14
2F：推 Kendai:做研究很多时候是方向对了,或是找对人跟材料,整个海阔天空 02/13 12:15
3F：推 jhunfong:身为烟酒生 心有凄凄焉 02/13 12:19
4F：推 terranhardy:wOw...论文可以分享吗? 02/13 12:25
5F：推 gmoz:paper上三篇算是功德圆满了 02/13 12:26
6F：→ gmoz:开辟者真的有优势 去年大三下写的paper投北京某研讨会也有中 02/13 12:27
7F：→ gmoz:不过跟星海没关系就是了=3=... 我也想看你的论文>//< 02/13 12:28
8F：推 toblizzard:推分享 02/13 12:33
9F：→ rexrainbow:该不会是孙春在的实验室吧? 02/13 12:34
10F：推 chogosu:好牛 02/13 13:05
11F：推 unknow12:其实因为看了你的研究的关系..害我现在好想转到资工系 02/13 13:52
12F：推 unknow12:你是硕生吗? 02/13 13:54
13F：推 gonia119:很想m这篇，研究跟兴趣结合很棒。 02/13 13:57
15F：→ pkyosx:前年毕业 孙老师是个很博学又很有格调的人! 02/13 14:16
16F：→ pkyosx:为了让一般人懂 所以我加了很多非游戏的说法进去 02/13 14:17
17F：→ pkyosx:从来没想过会有我以外的人想看我的硕士论文... 02/13 14:18
18F：→ rexrainbow:如果当初拿open source的RTS当实验对象, 会不会更好处 02/13 14:20
19F：→ rexrainbow:理呢? 02/13 14:20
20F：推 rexrainbow:不过大概就没有百场的replay了..@@ 02/13 14:23
21F：→ pkyosx:我有看过 但是... 星海魂 + 我觉得那些设计还是太简陋了 02/13 14:23
22F：→ pkyosx:事实上我抓了快一万场...他们应该会以为我在 DDoS 02/13 14:25
23F：推 unknow12:我记得AI不是要用到数学logic妈 怎嚜都没看到 02/13 14:38
24F：推 DudeFromMars:113强者 02/13 14:54
25F：推 gmoz:论文大致看过了 後面的决策很有趣 不错的论文XD 02/13 14:57
26F：→ pkyosx:CBR 的概念很简单 没有什麽复杂的数学式子 02/13 14:58
27F：→ pkyosx:如果你搭配一些其他的学习演算法 那就会有了 02/13 14:58
28F：→ pkyosx:我没套用的原因一来是赶着毕业 二来是资料是间接型的 02/13 14:59
29F：→ pkyosx:过度训练 并不一定能得到正面效果 而且会失去焦点 02/13 15:01
30F：→ pkyosx:教授说如果你把模型局限在一款游戏 那是画地自限 02/13 15:02
31F：推 newest:113!!!!!! 不过现在讨论的是RTS 里面最大宗的也就BZ的游 02/13 15:06
32F：→ rexrainbow:解读: 前提假设-"一个建筑状态是玩家目前拥有的建筑种 02/13 15:09
33F：→ rexrainbow:类集合，代表着玩家策略的布局状况"->以建筑物种类/顺 02/13 15:10
34F：→ rexrainbow:序表示不同策略,产生决策图 02/13 15:10
35F：→ rexrainbow:输入replay找出决策流程, 得到图27 02/13 15:11
36F：→ pkyosx:其实就是在讲怎麽爬科技树 02/13 15:12
37F：→ pkyosx:那张图我没记错的话应该是 Boxer 的 比较粗的是 VTG 的流程 02/13 15:19
38F：推 surolanter:暴强阿推！！！ 02/13 16:06
39F：推 rey123123:後面计算的部分有点看不懂..可是真的太有趣了 Q_Q 02/13 18:11
40F：→ rey123123:如果学校有开这种课的话...再深我也愿意学.. 02/13 18:12
41F：推 PsMonkey:强者... 请受弱者一拜... Orz 02/13 19:31
42F：推 znazji:推 有印像!!~~ 02/13 20:33
43F：推 abovelight:孙春在?那老师蛮有趣蛮会喇赛的 修过他的GAME AI挺有趣 02/13 22:35
44F：推 davidbright:帮推一下 06/01 08:20
45F：推 oichi: 太强啦~ 这个理想现在真的快成真。朝圣一下~ 2016 03/12 23:16