作者cowbaying (壓力太大 囧mmmmmmmmmmm)
看板GameDesign
標題Re: [請益] 關於一些遊戲的AI
時間Thu Nov 29 15:45:10 2012
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)
1F：推 LaPass:終局2.08×10^170種 wiki寫的..... 11/29 15:52
2F：→ LaPass:然後WIKI寫圍棋是PSPACE難，這是啥我看完WIKI還是不懂 11/29 15:53
3F：→ LaPass:計算量 10^600 11/29 15:53
4F：→ LaPass: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
5F：→ LaPass:在10^600以上。 整句是這樣 11/29 15:54
6F：→ ddavid: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
7F：→ ddavid:程度XD 11/29 15:57
8F：→ cowbaying:抱歉 深藍是西洋棋 我一直想成圍棋 XDDD 11/29 16:10
※ 編輯: cowbaying 來自: 36.237.220.45 (11/29 16:10)
9F：推 ddavid:西洋棋的複雜度估計也有10^120 [Newell et al., 1958]，應 11/29 16:13
10F：→ ddavid:該還是全世界電腦算不完的東西XD 11/29 16:14
11F：→ ddavid: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
12F：→ cowbaying: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
13F：→ cowbaying:人工智慧的原始 11/29 16:20
14F：→ cowbaying:於是就有了決策系統 11/29 16:21
15F：→ ddavid: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
16F：→ ddavid: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
17F：→ ddavid:特性 11/29 16:23
18F：推 LaPass:其實人腦底層已經替你做好一堆平行運算了.... 11/29 16:23
19F：→ cowbaying:類神經網路 11/29 16:23
20F：→ LaPass:看到一張圖、區分輪廓、識別圖片etc 11/29 16:24
21F：→ LaPass: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
22F：→ cowbaying:人腦算是有一千多億個平行計算核心的電腦吧 11/29 16:25
23F：推 LayerZ: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
24F：→ LayerZ:" 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
25F：→ cowbaying:我覺得alpha-beta算是很接近人腦思考的演算法了 11/29 16:28
26F：→ cowbaying:完全不可能的狀況就直接捨棄 11/29 16:29
27F：→ LayerZ: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
28F：→ LayerZ:算了 我想太多了= = 11/29 16:30
29F：→ cowbaying:現行的AI學習就是類似這樣 問題就是經驗來源 11/29 16:31
30F：→ cowbaying:還是我們人去設計的 11/29 16:31
31F：→ cowbaying:所以最後就變哲學問題了...XDDDD 11/29 16:32
32F：推 ddavid: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
33F：→ ddavid: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
34F：→ ddavid: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
35F：→ ddavid:本來差點回一篇的，但是這樣跟GameDesign太遠了......XD 11/29 16:52
36F：→ LayerZ: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
37F：→ LayerZ: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
38F：→ LayerZ:都沒有的XDD 11/29 17:00
39F：→ hermitwhite: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
40F：→ hermitwhite: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
41F：→ hermitwhite: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
42F：→ hermitwhite:才更接近生物的模式。 11/30 10:15
43F：→ hermitwhite: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
44F：→ hermitwhite: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
45F：→ hermitwhite: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