前沿拓展:
photoshop cs2序列
找注冊機(jī)激碼**注冊機(jī)邊 面選擇photoshop cs2 點(diǎn)create 象吧注冊碼**行我記安裝包邊gif圖片教給注冊 找找看看
雷鋒網(wǎng) AI 科技評論按:上周日,互動(dòng)數(shù)字娛樂AI大會(AIIDE)2017中的星際爭霸AI競賽落下帷幕。這一競賽是即時(shí)戰(zhàn)略(RTS)游戲AI比賽中最重要的比賽之一,暴雪、DeepMind和Facebook人工智能研究院等機(jī)構(gòu)也有贊助。兩周的車輪戰(zhàn)**進(jìn)行了41580場1v1比賽,28個(gè)參賽AI中每兩個(gè)之間也平均比賽了110場。
DeepMind 和 Facebook 近兩年在星際爭霸AI研發(fā)上動(dòng)作頻頻,F(xiàn)acebook 也拿出名為 CherryPi 的機(jī)器學(xué)習(xí)AI親自參加了這場比賽,但只以69%的勝率拿到第6名。面對這樣的戰(zhàn)績,多家外媒不免對 Facebook 發(fā)出了“雷聲大雨點(diǎn)小”的嘲笑,不過機(jī)器學(xué)習(xí)在RTS游戲中的探索畢竟只是剛剛開始,大可不必心急。
比賽冠軍是一位**參加的星際爭霸愛好者,來自澳大利亞的程序員Chris Coxe,依靠手工編碼、基于預(yù)定義規(guī)則和情境判斷的AI獲得了最高勝率83%,從而獲得冠軍;不僅如此,排名前三的AI都是由**參賽的星際爭霸愛好者開發(fā)的,大多數(shù)排名靠前的個(gè)人參賽AI也都是和Chris Coxe類似的手工編碼、基于規(guī)則的AI。
同時(shí)雷鋒網(wǎng) AI 科技評論發(fā)現(xiàn),也有多個(gè)來自**的AI參加了這次比賽,除了個(gè)人名義參加的Sijia Xu和他的AI“Overkill”之外,中科院自動(dòng)化研究所更是有三支隊(duì)伍參賽,復(fù)雜系統(tǒng)管理與控制國家重點(diǎn)實(shí)驗(yàn)室有兩支,一支是在讀博士生朱圓恒、趙冬斌研究員的團(tuán)隊(duì)和他們的AI“Juno”,另一支是唐振濤團(tuán)隊(duì),他們的AI名為“killall”;還有一支團(tuán)隊(duì)來自智能感知與計(jì)算研究中心,他們的AI“cpac”首次參賽就以71%的勝率拿下了第4名。
智能感知與計(jì)算研究中心“cpac”團(tuán)隊(duì)共有13名成員,開發(fā)這個(gè) AI 用了幾個(gè)月的時(shí)間,其中有新的游戲策略,也融合了部分機(jī)器學(xué)習(xí)功能。根據(jù)他們介紹,他們訓(xùn)練了一個(gè)多層感知網(wǎng)絡(luò)用于在生產(chǎn)隊(duì)列為空的時(shí)候造兵。
在這個(gè) AI 的開發(fā)過程中,他們還一并發(fā)布了一個(gè)新的數(shù)據(jù)集 MSC(Macro-management in StarCraft),論文署名為在讀博士生武慧凱、副研究員張俊格、研究員黃凱奇。
MSC 基于暴雪今年開放的 SC2LE 平臺,作者們在論文中表示這個(gè)平臺的好處是有目前為止最大的replay數(shù)據(jù)集、這些replay的質(zhì)量更高格式更標(biāo)準(zhǔn),而且 SC2LE 還有官方的支持和積極的更新。
MSC 數(shù)據(jù)集的目標(biāo)是提供預(yù)定義的、根據(jù)特征分割過的replay,用于游戲中宏觀**作(比賽策略&“大局觀”,Macro-management)的訓(xùn)練和評估。SC2LE中現(xiàn)有的replay雖然數(shù)量很多,但是沒辦法直接用來學(xué)習(xí)和測試;MSC則把replay過濾、解析、采樣、提取**作特征,并形成訓(xùn)練、驗(yàn)證、測試三個(gè)數(shù)據(jù)集,就可以供研究人員方便地訓(xùn)練模型,數(shù)據(jù)集自身也就成為了公開、標(biāo)準(zhǔn)的模型對比手段。
MSC基于 CS2LE 的80萬場replay中已經(jīng)公開的約6萬4千場,按照上圖中的流程進(jìn)行處理,形成三個(gè)數(shù)據(jù)集。在預(yù)處理中剔除了過短、APM(每分鐘**作數(shù))過低以及選手的MMR(比賽積分)過低的比賽。
除了數(shù)據(jù)集之外,論文中也一并提出了一個(gè)基準(zhǔn)模型,展示了在全局局面評估和單位建造預(yù)測任務(wù)中的表現(xiàn);其它游戲策略、序列建模、不確定性建模、不平衡數(shù)據(jù)集學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、規(guī)劃和樹搜索等RTS游戲中常出現(xiàn)的子任務(wù)也可以從這個(gè)數(shù)據(jù)集中受益。
詳細(xì)內(nèi)容和數(shù)據(jù)集請參見原論文和項(xiàng)目地址
論文地址:https://arxiv.org/abs/1710.03131
項(xiàng)目地址:https://github.com/wuhuikai/MSC
雷鋒網(wǎng) AI 科技評論報(bào)道。
拓展知識:
原創(chuàng)文章,作者:九賢生活小編,如若轉(zhuǎn)載,請注明出處:http://xiesong.cn/56800.html