BalticBear
Напиши лучше своего бота для старкрафта скажем, раз ты уже 4 года занимаешься нейросетями. Соревнования и игры ботов проводятся регулярно. А пока что видно только твое самовосхваление, какой умный ты и какие тупые все остальные. Не надо так.
9К720
> Напиши лучше своего бота для старкрафта скажем, раз ты уже 4 года занимаешься
> нейросетями. Соревнования и игры ботов проводятся регулярно. А пока что видно
> только твое самовосхваление, какой умный ты и какие тупые все остальные. Не
> надо так.
Я открыл тему, чтобы подискутировать об использовании нейросетей в играх. В своих постах пишу о том, что мне известно по этой теме. Если надо привожу аргументы в поддержку своих утверждений, уважая участников дискуссии и не переходя на личности. В отличие от тебя. Мало того, что ты сразу перешел на личности войдя в тему, так еще и пытаешься указывать мне что делать. Не надо так.
Я открыл тему, чтобы подискутировать об использовании нейросетей в играх. В своих постах пишу о том, что мне известно по этой теме. Если надо привожу аргументы в поддержку своих утверждений, уважая участников дискуссии и не переходя на личности.
Давай, по простому, поступим так.
Занимаюсь разработкой игры под Андроид-платформу. Что-то вроде стратегии в реальном времени
Ты определяешься, пишешь ли ты стратегию, или что-то вроде стратегии.
где управление юнитами осуществляется путем изменения их поведения (агрессивное - защитное, ближний бой - дальний)
Доделываешь игру на конечных автоматах.
Так вот, логика юнитов построена на нейросетях, настраиваемых в реальном времени
И уже, после, выпуска игры, на примитивных конечных автоматах, в следующий раз, уже спрашиваешь, как переделать логику, под нейросети.
Если ты не в состоянии, даже определиться с самим жанром IP, не говоря уже про - закончить, какие, ну какие, тут могут быть нейросети? Детский сад, штаны на лямках.
Crunatus
> Ты определяешься, пишешь ли ты стратегию, или что-то вроде стратегии.
Ну, я не знаю как точно такой жанр назвать. Каждый бой проходит в одном секторе и в нем учавствует от 3 до 5 юнитов на стороне игрока и столько же на стороне противника. Чтобы пройти игру, нужно зачистить много таких секторов. Бой идет в реальном времени, так что можно было бы назвать такую игру стратегией в реальном времени. Но, все же, на полноценную RTS она не тянет. Нет постройки зданий, нет масштаба. Может, это - тактика в реальном времени? Есть такой жанр? Юниты еще уровни повышают со временем, ранги получают. То есть, можно сказать, присутствуют еще и элементы RPG.
Crunatus
> Доделываешь игру на конечных автоматах.
То есть, мне сносить уже готовый код на нейросетях, и создавать новый на автоматах? Зачем? Это же удлинит время разработки.
Судя по russianaicup среди ботов рулит перебор вариантов (своих ходов и чужих)+продуманные человеком эвристики. Ну и генетический подбор коэффициентов. Никаких нейронных сетей и близко нет.
Но если, как у автора, задача сделать не сильный ИИ который будет действовать более-менее оптимально, а просто интересное поведение юнитов, которые "как бы" меняют поведение и "как бы" обучаются - почему бы и нет, нейросеть наверняка подойдет лучше конечных автоматов.
kipar
Да в том, то и дело. У меня цель сделать поведение юнитов "забавным", чтобы у пользователя создавалось впечатление, что он управляет живыми микроорганизмами. Ни о какой оптимальности пока не идет речь. Для того, чтобы идти дальше, нужно сначала сделать первый шаг. Потом будет видно, можно ли из этой механики, сделать нечто более серьезное.
BalticBear
> > > перцептрон - он не подходит для принятия решений без учителя
> > > (т.е. в отсутствии образцов).
> > Подходит, если учить ген.алгоритмом.
> Для ген.алгоритма нужно множество нейросетей. Я имел ввиду не подходит для
> обучения одной сетки - неоткуда брать требуемое значение на выходном нейроне.
Здесь идет обучение как бы сразу по совокупности выходных значений, т.е. оценивается не единичный "игровой ход" сети, а то, как она играет в игру в целом, ее поведение в совокупности разных игровых ситуаций.
От базовой нейросети производим слегка мутировавший вариант. Если мутант пройдет игру лучше (по игровым очкам, числу убитых врагов, кол-ву пройденных уровней и т.п.), чем базовая сеть, то мы считаем, что мутант как бы "обучен" лучше, и назначаем его базовой версией. Если же мутант прошел игру хуже, то уничтожаем его и создаем другого мутанта. И т.д.
BalticBear
> Почему я решил использовать нейросеть в логике игры? Потому что с ее помощью
> возможно реализовать поведение персонажей, построенное по принципу
> причинно-следственной связи. То есть, все действия персонажа зависят от
> пережитого им жизненного опыта. Никаких случайностей. Каждый поступок будет
> иметь свое объяснение. Например, персонаж увидел чайник. Подошел к нему.
> Дотронулся и обжегся. В следующий раз, он этот чайник будет обходить стороной.
Генетический алгоритм может подойти и тут. Если бот погиб у чайника, то там будут гибнуть и многие его мутанты-потомки, пока случайно не родится такой, который опасается чайника и сможет пройти игру дальше. Если не показывать игроку погибших мутантов, а показывать всегда только нового чемпиона, то у игрока сложится иллюзия, что бот сделал разумный вывод на основе опыта своего единственного столкновения с чайником.
Virtex
> Здесь идет обучение как бы сразу по совокупности выходных значений, т.е.
> оценивается не единичный "игровой ход" сети, а то, как она играет в игру в
> целом, ее поведение в совокупности разных игровых ситуаций.
>
> От базовой нейросети производим слегка мутировавший вариант. Если мутант
> пройдет игру лучше (по игровым очкам, числу убитых врагов, кол-ву пройденных
> уровней и т.п.), чем базовая сеть, то мы считаем, что мутант как бы "обучен"
> лучше, и назначаем его базовой версией. Если же мутант прошел игру хуже, то
> уничтожаем его и создаем другого мутанта. И т.д.
Да, так оно и есть: используется множество нейросетей, из которых выбирается наилучшая.
Но, я бы не решился использовать такой подход к обучению в режиме онлайн (т.е. обучению на компьютере игрока), из-за ряда проблем:
1) игроку придется ждать пока пройдет несколько игр, прежде чем мутанты станут себя вести более-менее адекватно. После этого, если вдруг в игре произойдут изменения (появится новый враг или противник изменит тактику), то снова придется ждать, пока агенты к ним адаптируются. Обучение получается слишком инертным.
2) после окончания обучения все агенты ведут себя одинаково, потому что являются копией избранного чемпиона. Не будет исключительных, отличных от других, характеров. Можно попробывать решить эту проблему выбором нескольких чемпионов, но не факт, что их поведение будет сильно отличаться.
3) чем больше способностей или действий у агента, тем меньше шансов, что чемпион научится использовать их все. Часть действий от него никогда не дождешься. Например, он научится использовать меч для атаки, а лук так и не попробует, потому что у него прекрасно получается справляться с врагами при помощи меча.
4) чем больше входов у нейронной сети, тем меньше вероятность появления чемпиона, а значит тем больше времени уйдет на обучение. Таким образом, накладывается существенное ограничение на количество входов для онлайн обучения.
Virtex
> Генетический алгоритм может подойти и тут. Если бот погиб у чайника, то там
> будут гибнуть и многие его мутанты-потомки, пока случайно не родится такой,
> который опасается чайника и сможет пройти игру дальше. Если не показывать
> игроку погибших мутантов, а показывать всегда только нового чемпиона, то у
> игрока сложится иллюзия, что бот сделал разумный вывод на основе опыта своего
> единственного столкновения с чайником.
Это будет работать только при малом количестве входных сигналов, обрабатываемых сетью. Если входов будет много, то игроку придется долго ждать пока появится чемпион, из-за 4-ой проблемы, описанной выше. Кроме этого, сложно предугадать все ситуации, при которых нужно запускать обучение. Если запускать по факту смерти, то бот, например, может начать биться головой об стену и получать от этого удовольствие :), а обучение так и не запуститься, потому что он остался жив.
http://aigamedev.com/broadcasts/session-planetary-annihilation/ cегодня будет обсуждение про применение НС в planetary annihilation
> Есть ли игры использующие самообучающиеся нейросети в логике принятия решений?
Нет и не нужны.
SIBR
палишься
SIBR
> Нет и не нужны.
Ещё, как нужны.
Вот у меня вопрос, как у автора ветки идут дела с разрабктой игры? Интересно глянуть на ИИ связаный нейросетью.
Ну, в аркадные игры щас нейронки играют уже на уровне / лучше людей.
В этом году в феврале или в марте была новость - что сделавший это стартап был очень дорого продан какому-то софтовому гиганту.
Свежую научную публикацию этих ребят (про эксперименты с результатами для 41 или 43 игр) искать-вспоминать лень, а начало работы (с результатами для 7 игр) было опубликовано в декабре 2013, в препринте arXiv:1312.5602 "Playing Atari with Deep Reinforcement Learning".
Так что непосредственно играющих (а не противодействующих игроку-человеку) ИИ-ботов - делать можно запросто.
Странно, что про норнов никто тут не вспомнил. Была такая игрушка "Creatures". Там очень умных зверушек симулировали, поумнее кошки. Собственно, это был исследовательский проект, оформленный в виде игры.
Однако, под андроид такое вряд ли сделаешь, оно довольно таки ресурсоемко. Да и усилий при разработке требуется много, непонятно зачем столько тратить, если можно проще. С норнами игра - лишь один из результатов, там это смысл имело.
пробовал для ботов. страшно медленная штука, по крайней мере на тех исходах какие у меня были. говорят щас модно на SIMD их делать.
наблюдать за обучением прикольно. костыли вставлять в AI - не прикольно, ибо НС может ошибаться а может ваще зафейлить обучение =)
Тема в архиве.