喜欢动物,视频游戏的AI智能愣神

 盛图娱乐     |      2020-01-12 10:10

我们倾向于认为现实和虚拟空间为被分开的世界,那么,为什么我不能再看到章鱼手臂在2007年的壮观死亡空间“将触手,”发展地狱的外星人附属物?除了表面的异种 - 古怪,这就是聪明的动画和神经惊叹有有我感兴趣的常见的。由于章鱼的手臂是无限灵活的,它面临着独特的挑战。如何移动的胳膊的X,Y,Z坐标,如果它有无限的自由度,在其中做了一定的方向?章鱼会如何应对武装的打算抢球员时,他们可以在房间的任何地方它的虚拟表哥的任务 - 即使自由移动的动画第一播放?

你简化。前者死亡空间开发和电流仙在大锤游戏,迈克尔·戴维斯,IOR核心工程师带我通过可能的数字解决方案。拖动触手操纵与动画骨架 - 骨骼扭曲和扭曲它,动画/代码可以弯曲成不同的形状。触发框放在跨越艾萨克需要从抓起平的全宽,具有特别动画设计成它的中心的预罐装动画。最后,动画排队的球员,逆运动学计算都触手骨头的最后一把做触手夹击骨附着以撒的脚踝骨,同时还融合了动画看起来更自然。

章鱼,相反地,收缩任何其柔性臂无限自由度的三个。二度(x和y)在d臂的irection和在该臂的可预测的瓦解一个度(速度)。难以置信的,为了简化取,章鱼变为一个无限肢成类似人类的虚拟联合通过从它的“手腕”(在对象)和中央脑同时传播神经活动和形成“肘”这两者相遇 - 即究竟在何处它需要的行动。

那么什么是 '令人兴奋' 平行?章鱼臂做一个预罐装动画的天然等同 - 的自由度崩溃外包给其身体,使其不必依赖于中央的大脑,将无法应付。同样,在动画骨骼拖动触手偏向崩溃自由度像人的手臂,而且预动画罐头点菜章鱼,一d只能直接跟踪球员,在最后时刻融为一体的动画 - 外包给动画和脚本编写的“行为”的“主体”。

而且它不只是这些附属物表兄弟。具有要编码的虚拟世界,并且具有到编码性质和导航现实世界都从根本上大约简化。

不必处理物理本质是一种拖累。

只去冠军永远得分反对谷歌的Deepmind“AlphaGo” AI一胜刚退休,宣布AI实体,根本“不能被打败”。然而,据研究,即使是最强大的神经网络在大多数共享蜜蜂的情报。你如何解开这些说法?我打赌,如果人口中的任何一个队伍是最怀疑AI的潜在危险,这是谁玩视频游戏的人。我们是业余爱好者AI式破碎机。如何没有人性的文章仅放置在地球上建立神的AI真实形象将永远说服我们,否则。毕竟,如何玩家可以预期,当我们用蚂蚁的虚拟等同枪被真实地娇生惯养这些神经网络笨蛋的存在动摇?

然而,现在AI的前景注水或在任何时候,似乎有勇无谋。 2011才刚刚看到了现在所看到的翻译和视觉/音频识别以先进和超越人类能力的深度学习的突破。这种进步可能表现一天到一天的时刻,多一点AI自动生成的答复我的女朋友帮忙,提供“无”或在回应是否我有一个很好的一天,但研究中的应用是无止境的“没了”。他们可以重新发现物理定律,揭示了什么没有莎士比亚并没有写,当你快死了预测。作为机器学习的一个子集,深学习神经网络可以对数据集,直到他们减少他们的错误,以至于他们可以准确地概括他们所学到的知识用于新的数据来训练。随着“节点”松散类似于我们自己的神经元层,这些算法是强大的,如果从根本上没有“智能”的工具。他们采用模式匹配到位的语义理解一个令人难以置信的水平(虽然场也不是没有努力反之)。这是有争议的,有人打电话给他们AI可言。

然而,在游戏领域,我们已经^ h广告人类霸权的斗争中戏剧性的发展似乎失去了明确的围棋在2015年的游戏(更多的数学替代国际象棋),以Deepmind的强化学习计划,AlphaGo,在战场上与技术上盲目的,但“创意”一夜暴富。然后将盐被真实地擦在当Deepmind的AlphaStar成为星际争霸II大师能够去内脏99.8%的玩家占的 - 因为我是没少写此功能。没有AI的文章将永远是最新的。再次,这是不一定令人印象深刻,因为它产生的炒作。如果有的话,这是AI的盲能力,使得它潜在的危险。这并不一定是有意识的,甚至特别聪明,比你更好地在离散任务或有效地伤害你的救援人员到场唉武器系统和社交媒体和搜索算法过滤气泡。如同原子的突破,从来没有对赌科学的潜力,以便更好地和/或毁掉你的生活。

我认为最大约AI讨论我的困扰是一些缺席的。虽然我们正在尽我们所能来删掉这个星球上所有其他的公司,我们是不是很孤独与AI的房间呢。 AI通常被称作如果这是我们在满足我们自己平等之外,但进化论的一个机会,向我们展示了动物王国的全部,其实是一个大的家族树。在动物是我们所追求的一切。更高的认知力的基石是活的展品中保存在我们身边 - 没什么只是突然人和没什么特别的理由中物化。贫贱视频游戏AI的是什么?是否有它的做法没有任何好处?

定义的情报是由它作为我们做定义固有偏见的困扰。正如杰罗姆·毕赞提,人工智能的副总裁Facebook的,说的DeepMind和OpenAI对待一个强人工智能(AGI)的努力,它的“虚伪”想到一个AGI的端点为人类的智慧,因为人类的智慧“是不是很一般。'我们用它作为迷恋一个差异化因素,但许多措施,我们可以通过这些我们辞退被打出来。如果情报是信息处理的速度有多快,我们可以处理的信息大批量定义,鸽子称雄。学习速度?与人婴儿被一群蜜蜂,鸽子,老鼠和兔子击败。如何准确LY你进行测试的婴儿和蜜蜂之间的生态中性?大多数情况下,你不能 - 也许在视力测试时除外。

压倒性点,但问题在于,你不能定义人类独有的特质智能和研磨动物王国其余化为尘土。已经经受住了所有的行为必须在一定程度上事实上的智能,如果他们都有效地实现其目标像一个阿尔法算法。正如线性进化流行文化的描述是一个谬误(我们都一样,从*插入政治家的名字演变而来这个世界上除了这里*),所以是经常情报属实。因此,智力是只有那些满足的自然/虚拟代理的目标的复杂性的一个粗略的估计,但在BEHA演进解决方案viour和机构也聪明。即使我们多少先验信息的基础上确定的情报是需要购置新的技能,到什么程度呢,我们的身体和行为因素?我们都难以置信什么推动人类认知的模样精通 - 做我们完全知道是什么意思了地球上大多数其他动物?小的大脑往往只需要找到替代手段来实现自己的目标;往往不是靠在动物的环境或身体的解决方案。想想被蝎子蜘蛛或腿部形成正圆。检测振动空间简化为无论哪腿的振动到达第一。没有必要的复杂的计算。

德米斯·哈萨维斯(左),和CEO的DeepMind创始人和李世石(右),围棋冠军,第一个会是怎样的许多投降的AI主宰。图为中 - 在人类历史上最大postitnote。图为别处 - 一个postitnote会议。 (图片来源:Deepmind)

的关键在于情报的任何调查,该方法是自下而上,而不是自上而下。这适用于动物研究。而是寻求在海豚或蜜蜂工具使用人类水平的语音或计算能力和未来证明什么的,我们可以分析海豚实际上是如何沟通或在他们的生活算地面实验。我们可以计算出什么新的技能获取合理的测试看起来像他们的工具集。我们可以看一下动物的认知,并试图找到这样的能力的进化的根源以生态有效的方式。

它适用于AI。的接受没有自上而下强加的规则,但通过自主类似于我们自己的神经元网络的方式训练自己深或强化学习算法的发展本身有很大的潜力的洞察力借给如何我们的大脑工作。唯一的问题,我们现在看到的是,在数据的空白AI的梳理谷歌甚至科学数据的关闭是有效社会的广泛自上而下的规定,即总是偏向AI对少数民族和妇女。这只是另一种方式“参考人”可能会进一步瘟疫社会。然后我们的仿生机器人,由被坐落在一个生态,有效的环境,并采取生物启发自己的身体力,实际上可以摆脱对动物如何以及为什么行为光,并且通过扩展我们自己,WORKS。

输入视频游戏AI - 一件奇怪的事。如果不行使了最新的人工智能研究的肌肉它留在一个地方,坦率地迷人。显然迷人的一支庞大的玩家也一样,如果像YouTube频道优质资源,AI和游戏是什么去了。像展品,我们周围的嗡嗡声,开发商往往利用几乎相同的策略演变用来解决智力小脑袋的动物。不过,我会借用视频游戏AI剂最接近的描述词是由瓦伦蒂诺·布雷滕贝格在1984年Braitenberg机他的“车辆,在合成心理学实验”的方式回到创造简单的思想实验的车辆,例如汽车,用简单的反应性传感器或许响应光驱动车轮。只给最起码的增加,在连接车轮和传感器,复杂的环境和一些刺激存在与车辆之间的复杂性会出现,对于所有意图和目的,一个聪明,思维之中。其行为的动机,目标导向,充满活力和适应变化。然而,这一切的下面,有没有处理,在内存或推理没有认知过程 - 什么都没有。这至少部分地描述了一个小脑袋的昆虫只是先天行为运行的是什么。如果有足够的额外的连接,可能它甚至描述了在顶部的意识樱桃人性?此外,海德和齐美与他们的1944试验,其中受试者显示证明简单的几何形状悲剧的动画为social众生我们的自然倾向是不合理的项目机构,社会行为和意图上的东西,不同意我们的能力。 AI的对​​游戏的问题是已经被我们单独社会智力半解决。相结合,Braitenberg车辆模拟AI系统和我们过于情绪化的大脑产生一种不可抗拒的错觉。

Braitenberg车辆 - 一个交叉连接改变一见钟情反感太阳的爱。无脑在望。 (图片来源:亚历山大Rybalov)

我已经长大了爱情有关的游戏是作为发动机运行仿真他们往往被迫解决科学问题自下而上和仿生方法。无论复杂性它给,视频游戏AI有超过AlphaGo /星巨大的优势之流纯粹由HAV荷兰国际集团机构/是坐落在一个虚拟环境中的动画。 “境遇”是指这样的事实,作为代理商,我们永远只能存在于环境和人体的情况下。因此,没有天然的复杂行为曾经出现没有身体与环境的相互作用 - 脑体环境的相互作用。而坐落在与其他同种的环境(同种)代理要求开车在灵长类动物和鸟类都脑进化和智力(社会智力假说)复杂的社会行为。事实上,阿尼尔赛斯认为,意识本身是自持的结果,幸存的机构超过情报。远流行文化的关注,你的手机会单日涨幅意识,这是很难想象的是一个复杂的,但无形,孤独和繁荣的AI可能因此绝不会分享我们的痛苦。

这很容易成为对缺乏在游戏的AI系统的进展不利,但走马观花的游览,同时展示理论和实现之间的一些令人印象深刻的长期拖延,也有显著进步了一把。有限状态机(FSM)系统最初基础上,研究1955年,他们看到自己的流行的实现一切从Pac-Man的要复杂的多半条命1.直到2005面向目标的行动计划(前路GOAP)成功引进代理策划FSM游戏AI在恐惧中即便如此,潜在的研究认为其在70年代起源!最近,我们已经看到了一切从德军总部新秩序和增强的层次有限状态机(HFSMs)DOOM 2016,并且在AI行为树光晕2的更剧烈的进步和3和分层任务网络(HTNs)在杀戮地带3和地平线零黎明。我们仍然看到了坚持的老歌也有用于阿卡姆游戏和GOAP用于杀出重围人类革命的有限状态机。有没有一个放之四海而皆准的方法。虽然缺乏大规模移民到任何一个系统似乎是惊人的,在游戏通过游戏进行选择和AI系统的修改以适合游戏的要求利基是介质的最大的优势之一。

每场比赛可以是巧妙的新的解决方案新的机会,有助于他们的设计 - 即使他们没有利用最新的HTN规划师。见DOOM 2016年其看似过时的使用HFSMs与所有它们的缺点,而且其巧妙RAGE的AI盖系统的反转。而是寻求掩护,它寻求出一个开放的位置附近盖能见度最大限度地给玩家和提高作战流程。这当然不是传统意义上的智能。通常的生存压力已经被翻转在头上,以创建具有死亡之愿代理。这不是在计算的进步,它只是聪明的行为从简单的规则出现,以适应游戏的利基。是视频游戏AI不是很喜欢我们的动物和算法的朋友是完全适合用途以这种方式?智能愚蠢吗?

RAGE的全 - 其AI即是。

虽然游戏被挪用作为下一个问题有神经网络解决,而在鞋人类玩家通常会不知道,食欲创建与前进的锐边强劲虚拟代理是还没有。现在的问题是,我们希望它?人们很容易只是即兴的过去和建议,我们可能会看到2011的深度学习进步成为主流在2040年,但我们会被考虑为游戏从今天的目的主导设计的东西都悍然资源密集型和完全彻底改变不可预测的。如果游戏设计者目前使用什么无异于智能设计创建代理 - 雕刻自己的行为,以一个特定的游戏标题的利基 - 也许深学习算法会更喜欢引导进化。在许多方面,设计师和艺术性的手都将丢失。难道甚至产生游戏的改进?

可以想到。考虑近期AI地牢2文字冒险使用OpenAI的深度学习语言模型游戏以应对任何输入。虽然它并不完美,有一些关于欢畅最臭名昭著的呆板游戏类型变得无限这么之一。也有深刻的学习生成的动画和环境的无限可能 - 甚至整个游戏。在线毒性可能是过去的事情了。至于行为,虽然他们可能不会产生像我们的死亡之愿恶魔的那些愚蠢的智能解决方案,如果深学习技术被关在什么自己的车道?有可能从深度学习中受益离散AI系统如同实验反应对话可以在其他地方保存视频游戏AI今天的创造力。否则,游戏可能要经历一个完整的范例转变 - 与演变及其代理人 - 甚至使其工作。你也可以保证它不只是为那些有资源的?

简单的车辆或没有,也有我们如何为人类和游戏AI从根本上工作的一些漂亮的,谦卑的相似之处。美国心理学家,JJ·吉布森,谁率先生态心理学认为,远离惊人的世界的处理器,我们的大脑包含“匹配滤波器”,由直接提取来自世界的信息调整成与自然环境产生共鸣的频率神经元。从本质上讲,很像苹果产品(考虑到我们是大自然的产物),因此,我们有所有的专有端口,我们的环境,可以很容易地插槽插。拥有最复杂的对象的在已知的宇宙或不,我们根本不具备处理能力备用,以产生实际的整个内部模型。但是,我们能认识到,我们通过被动态地为他们提供了发展的部分。这些措施包括滤波纹理,几何,面部识别和阅读,运动,运动生物(自然的动作),民间物理学(我们的自然法则先天概念) - 只是仅举几例。所有的动物都有自己的。但是,专家的感官filterers虽然我们是,它的值得指出的看法是相反方向的箭头的结果太(脑向外)。下面的错觉会让你感觉到的黑暗比B,因为你的大脑预测从该对象的影子。用手指将它们连接起来,你会发现它们是完全一样的阴影。什么Ëasier的方式来过滤现实,而不是项目的期望 - 它产生幻觉

感知控制幻觉。现实情况是,我们达成一致的幻觉“。 -Anil赛斯。 (图片来源:爱德华·H·阿德尔森)

那么,从2005年的F.E.A.R.军人的目标,面向对象的生活可能看我们自己在千里之外,也使他们在设计师构建与他们的环境选择性共鸣。相当令人愉快的给我,F.E.A.R.s药具有平均不到三个动作的短,但频繁的计划,他们计划执行。 Pac-Man的鬼都只有单一的行动计划!这相对于在HTN潜在30的动作。虽然我明白任务的字符串的这些层次结构允许更快,更多样化,更多的广告aptive剂,有一个纯度的超反应F.E.A.R.在一条小路上,感觉更符合我们的不完全反应的大脑保持一致,而在这两种情况下是由于我们的不同种类的内存限制。眼睛,头脑假说认为,对我们有什么之间我们在视觉上注视和过程没有明显的滞后。您获得的信息,当你需要它,尽量减少使用的内存。当你走,你注视你前面为所需的推力电机的信息提供给你的脚接地。 VR测试也可以证明我们的“及时”计算。当颜色/大小分类和移动物体到传送带上,使从变化失明与戏剧性对象大小和颜色的变化被完全错过遭受当受试者已经转移上吨o及迷恋在皮带上。动物,人工智能和人类 - 我们都反应试剂。

考虑一个F.E.A.R.的悲伤存在士兵。他的不过是一种算法移动动画盲目世界上的一切,但寻路导航网格节点“的SmartObjects”和球员 - 但是我们是谁通话将?令人惊异的是考虑如何在视觉和认知盲目我们在外面我们的生态共振在世界上的一切。与简单的FSM方法,他是一个灵活的Braitenberg车辆,其传感器动态切换无需任何设置过渡行为之间他。有趣的是,他的感知不包括光或热,甚至他的同胞squadmates,但很抽象,启发式“威胁的水平。”这给了我们一些自我保护的假象当他移动到盖,当瞄准或盲火灾时,射击闪避卷。事实上,还有后面的眼睛什么 - 只驱动轮传感器,或者,在这种情况下,灵活的行为。你能想象的不那么容易切换到AI那感觉更自然的刺激,并增加了一些深度学习的替身记忆和推理能力,但令人惊异的是想起那些命题,但如何的复杂性鸿沟有效前者的解决方案是。它只是自己写的完全相同的AI系统由二十岁左右在任一个时刻只在全球共享 - 上如履薄冰,你玩误留在后台生猪资源。士兵们真的没有比他们迈过老鼠更复杂。

没什么可怕的,但一个启发式对于f耳朵本身。

的算法,有效地处理寻路并不象蚂蚁的工具包,仅具有较少的复杂性。对于一组坐标,A *算法通过拆分优化了目标路径的基础上,最低试探值链的最低成本路径的状态和长期的考虑路径(形成路径之间的差别如多远任何未来路径状态与目标)。由于活体不能直接从“神”手坐标,他们也不得不依靠简单,可靠和规则的拇指一些启发式的解决方案来应对。蚂蚁使用内置计步器和内置利用太阳作为一个线索采取的直接路径回巢觅食(路径集成),同时还不断地学习简单的意见后,指南针(基于形状)世界的他们可以向rewalking一个熟悉的路线时,往往复制。从巢的增加不确定性进一步旅行,所以它认为,很像寻路算法,它们使用的启发式值,以最佳的加权方法。这否定了在一个小脑袋的动物实际的“确定性计算”的需求。然而,即使在完全熟悉的路线蚂蚁已经用于其整个生命,如果你是来接他们时,他们是可以嵌套入食物,并将其移动到他们会通常是巢外出,没有食物,他们会冻结像外星人的外国人:殖民陆战队。他们所有的稳健性,否则,为什么呢?虽然目标导向像F.E.A.R.战士,他们更牢固地在如何接近他们的目标区域化。如果你被传一个机器人牵着克捕获整个地图标志的任何游戏的游戏标志,它不会使一个不同的盲位。在这种情况下,显得格外,蚂蚁几乎有同样的早期游戏AI的灵活性与FSM-喜欢他们的行为之间不灵活转换。他们根本就不是在出任食物去路存取存储器。虽然有这样做的要少得多,游戏AI的简单灵活性显得更加智能化。随着空间细胞在人体中的利益,我们就不可能变得如此navigationally脱胶,但我们的条件,促使回忆的经验也不是那么不像搁浅蚂蚁。

也许在大多数游戏中个别机构的一些外表的最大的扰流板是一些必要的协调人/导演/霸主AI系统的存在。钍ESE存在幕后秘密耳语代理范围的理想时,他们都可以在自己的被动管理落后。这是视频游戏AI的幻想戏剧表演性质。迄今为止F.E.A.R.最印象最深刻的绝招是怎么尽管是完全看不清彼此,一名士兵承诺的动作(例如侧翼)具有“队协调员”喂对话,另一个士兵建议先做说其作用已经承诺!协调越过个人代理人的头使用它们沟通的简单而有效的错觉。地平线零曙光已经管理该机器动物在他们的牧群分布“集体”。管理大量的代理商作为一个精心设计的,但宽松的集体很有道理。瓦在有趣的是,这些系统在地方的代理商感觉如何行动。外星人隔离导演特别想到的是如何滴饲料信息,包括玩家对外星人AI到位完全接地代理的位置。这就像一个Braitenberg车辆从一个无所不能的系统接收信号,以增强其符合预期的行为。该行为从出现在这些情况下醚,而不是环境。怎么可能深学习方法从这些探访“神吗?”在集体间接通信未完全脱离现实,但是。蜜蜂觅食评估由他们有多少时间等都有自己的花粉通过蜜蜂贮藏器卸下自己的蜂巢的状态。这是一个总的低效率 - 他们可能只是其存储他们自己。未进行任何有意识的决定,自己在他们的集体组织的动态力外被允许他们通过独立发现沟通信息。该行为是聪明的,这样蜜蜂就不必为

行为是智能。无论是其小的大脑或大的大脑在许多方面产生是无关紧要的。决定在视频游戏AI,下一步可能是控制的问题。有一个有趣的雷神之锤3竞技场故事游戏玩家留下神经网络为基础的机器人AI战斗到底了四年,才重返停火。迷人的有以下几个原因。一,这是完全错误的。二,人们充分从与AI接触相信,因为它代表的是它可能是真实的。三,这是一个intere蜇但完全不利的游戏结果是交付的你可以很容易受孕自下而上的AI。为什么你会要吗?但是,我可以做这种情况下热情,在很多方面今天的视频游戏AI并不逊色或使用寿命比神经网络真少。他们体现了自然和情报基本的真理;大自然实现这一简化的解决方案往往;小的大脑或确实无脑的车辆可以看到智能行为,从他们的尸体在他们共鸣的环境互动的情景性出现。

或许未来真正是表象。我们2的最后是采取进一步给予相互代理情报的任何幻想认可的名字和个性为其车辆壳复杂的系统。无论我们曾经几乎停钻宁他们放大镜与否,让我们来听听我们最喜欢的消遣的蚂蚁。智能愚蠢的,因为他们,因为它得到他们可能是为真实。

关注盛图娱乐官网(www.cmhdf.com)。