- philosoph
- Постоялец
щас модно на SIMD их делать
Имеются в виду SSE/AVX-команды? Да, ускорение расчётов получается в разы. Если, конечно, написан нормально векторизуемый код - а то в объектно-ориентированном плане можно дойти до такого абсурда, что доступ к любому скаляру будет идти через гет-функцию с кучей проверок внутри неё. В таком случае поможет только смена прокладки между стулом и клавиатурой ;)
Но самый шустрый вариант - гонять нейронки на видеокарте.
НС может ... ваще зафейлить обучение
Можно же учить в оффлайне, а затем корректный обученный вариант вставлять в игру как бота.
Т.е. если есть проблемы с обучением - не учите во время игры.
Виктор Царегородцев
возникает тут-же проблема с сбором обучающих последовательностей или ручное их составление. гемор это тем более каждый случай требует подхода через жопу, преобразоввывать входные данные к "попугаям" с плавающей точкой.
получение результата с сети тоже тормозно. пока она придет к равновесию может пройти тычича циклов.
А что с игрой то? И сетями? Куда автор подевался?
сети самообучились и уничтожили автора.
Mira жаль, жаль возможно он что-нибудь и оригинальное бы принёс. Помнится базовые проблемы разработки ИИ, как минимум с известной мне точки зрения остаются не решёнными. Да и местные московские исследования были такой мутью...
Проект не заброшен. Игра уже фактически готова. Прошло тестирование у знакомых. Сейчас работаю над монетизацией. Все агенты в игре принимают решения на базе самообучающихся нейросетей.
Приятно видеть, что есть люди заинтересованные в моем проекте... Когда работаешь один, это очень важно. Тяжело себя мотивировать в одиночку.
Zab
> 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.
Согласен с вами. Действительно, интеллект зверюшек спроектирован очень сложно. В разработке изначально участвовали биологи, поэтому, насколько я понял, мозги созданы исходя из особенностей химических процессов в центральной нервной системе. Читал про мозги норнов у них в вики. Так и не понял как там происходит обучение в лобной доли принятия решений, по какому алгоритму настраиваются веса в синапсах дендритов.
У себя в проекте использовал принцип условного рефлекса или обучения поддержкой(reinforcement learning): каждое действие получает определенную оценку. Если оценка положительная - веса увеличиваются. Если отрицательная - уменьшаются.
Что касается ресурсоемкости, то мне, как раз, было интересно внедрить нересурсоемкий вариант использования нейросетей - однослойные сети с бинарными входами и с обучением посредством оценки выполненного действия.
BalticBear
Так что за проект то, можно посмотреть? Уже почти год прошел с создания темы.
Можно посмотреть описание, скриншоты и видео на моем сайте (Видео, правда, слегка лагает - так и не смог найти нормальную программу по захвату). Планирую в этом месяце выложить на гугл плей. Надеюсь успею все сделать.
BalticBear
> Тяжело себя мотивировать в одиночку.
А ты представь сколько заработаешь на этом проекте и как заживешь))
Ну там вилла на берегу моря, феррари в гараже и золотой унитаз...
/A\
Спасибо! Градус мотивации повысился )
А какие задачи ты планируешь решать в RTS нейросетью?
Думаю можно использовать обучающиеся модели для отдельных юнитов и их групп, но для этого придется всю логику пасфайндера вывернуть наизнанку, введя дифузионный алгоритм поиска пути, чтобы упростить входные данные. Дифузионный алгоритм только кажется простым, но на парктике придется реализовать кучу слоев диффузии для разных типов юнитов и quadtree, чтобы повысить его эффективность.
BalticBear
О круть , уважуха. А у меня не хвлтило своих нервов доделать тоже самое что у тебя но симуляция гормонов получилась норм. С сбором и представлением данных для сетки я заплюхался.
snv
> А какие задачи ты планируешь решать в RTS нейросетью?
В моей игре нейросеть решает задачу принятия решения. Каждый нейрон - это действие, которое способен выполнять агент (например, атака ближнего боя, атака дальнего боя, самолечение, прыжок в сторону и т.д.). Сетка работает по принципу "победитель забирает всё", то есть срабатывает нейрон с наибольшей суммой.
snv
> Думаю можно использовать обучающиеся модели для отдельных юнитов и их групп, но
> для этого придется всю логику пасфайндера вывернуть наизнанку, введя
> дифузионный алгоритм поиска пути, чтобы упростить входные данные. Дифузионный
> алгоритм только кажется простым, но на парктике придется реализовать кучу слоев
> диффузии для разных типов юнитов и quadtree, чтобы повысить его эффективность.
У меня алгоритм поиска не связан с работой нейросети. Нейросеть выбирает действие для агента, затем это действие отправляется на выполнение. Например, сеть принимает решение об атаке ближнего боя, после чего запускается программа для этого действия, которая включает в себя так же алгоритм поиска пути, если цель находится на расстоянии. На выходе алгоритма получаем целевую ячейку-шестигранник для перемещения, рядом с агентом (поле боя представляет собой сетку из шестигранников). По прибытию в эту ячейку снова запускается процесс принятия решения. Если агент не передумал, то дальше двигается к цели, в следующую ячейку (при этом снова запускается алгоритм поиска, так как условия на поле боя могли измениться).
Mira
> О круть , уважуха. А у меня не хвлтило своих нервов доделать тоже самое что у
> тебя но симуляция гормонов получилась норм. С сбором и представлением данных
> для сетки я заплюхался.
Спасибо за теплые слова )
Да, у меня тоже не мало времени пошло на поиск оптимального варианта. Поначалу, в 2010 году, делал небольшие инструменты в Excel и там исследовал поведение нейросеток. Потом, там же в Excel, сделал примитивную игрушку типа файтинга. Смотрел как ведут себя бойцы, собирал статистику в таблицы, правил им мозги. Затем, её усовершенствовал и перенес в оконное приложение на C#. В 2013 году уже пришла идея сделать игру, обсуждаемую в этой теме. Сделал первую версию в XNA. Защитил по ней диплом в колледже, где получал вторую вышку. Потом, в конце того же года, начал разбираться как делаются игры для андройда, потому как понял, что такая игра для PC не подходит. В начале 2014 стартовал данный проект.
Все это время много раз менялась как сама нейросеть, так и принципы построения интеллектуальных агентов. В текущей версии агента, его нейроны совершенно не связаны друг с другом и представляют собой черные ящики, на вход которых подаются определенные сигналы, а на выходе получаем суммы нейронов. Таким образом, процессы вычисления этой суммы могут кардинально отличаться. В то же время, процесс обучения не обязательно должен присутствовать в каждом нейроне. А это значит, что можно создавать необучаемые нейроны, использующие классическую if-then-else логику. Тогда на их выходе сумма будет принимать только два значения - либо максимум, либо минимум. Получится этакий гибридный интеллект, где варианты решения обдумываются по-разному. Я, правда, в этой игре так извращаться не стал )). Все нейроны используют одну и ту же логику, один и тот же алгоритм обучения, но могут принимать на вход разные сигналы.
Тема в архиве.