作者lovesnake (柒分)
看板GameDesign
標題Re: [請益] 圈內AI的發展概況?
時間Sat Jul 13 16:48:54 2013
※ 引述《ddavid (謊言接線生)》之銘言:
: : → lovesnake:其實我不是很喜歡線上遊戲,雖然賺得錢很多。 07/12 15:14
: : → lovesnake:但沒有辦法像單機遊戲那般,做好一個封閉而完整的世界 07/12 15:14
: : → lovesnake:好像跟文沒關聯 XD AI在遊戲中的利用像是NPC跟玩家的 07/12 15:15
: : → lovesnake:互動。 一切也只是構想,還沒個底。 07/12 15:16
: : → lovesnake:關於賽局理論部分的AI我就比較沒興趣了。像深藍靠得還是 07/12 15:17
: : → lovesnake:資料庫阿 囧" 07/12 15:17
: 其實包括看了第一篇的幾個提問以至接下來的回推文,我是有點好奇你具有哪些
: 方面的背景知識(包括遊戲面跟資訊科學方面),因為有些部分你好像有點似是而非
: 的誤解。
: 比如說Learning。你說想要寫單機不想寫線上遊戲,可是其實你知道Learning往
: 往很需要的Training Data其實是線上遊戲比較充足嗎?單機遊戲的Learning是很沒
: 效率,C/P值又低的東西,講得誇張一點,一個有學習機能的單機遊戲可能到玩家全
: 破不玩了都還沒能獲取足夠學到不錯程度AI的資訊量。(當然,就算是線上遊戲有這
: 樣的資訊量,它還是往往不具備那個C/P值讓人想去做)
: 比如說你講「私心的論文不想寫學界題材」。不過其實你知道其實就算遊戲界的
: 論文,看起來八成也長得跟你所謂學界的論文差不了多少嗎?就算是你所謂的學界論
: 文,重點還是後續的Implement、實用方式,尤其是Data Mining/Machine Learning
: 方面的研究不少其實是方法弄出來,套什麼領域都很簡單,因為只要Training Data
: 格式處理好塞進去,最多微調一下參數就可以用了。
: 比如說FSM其實並不太Learning,它只是表現一套既定思考方式的架構,如果真
: 的要Learning比較需要像hidden Markov models之類的東西。
謝謝指教!!
我對AI的確沒有深入鑽研就來問了...
就是我一開始說得沒有做足功課就來問 OTZ 抱歉
我目前具備的知識僅有最基本的程設(OOP、演算、資結、軟工)
跟圖學Plus一堆數學
遊戲面的知識只有靠自己常常亂逛國內外遊戲設計論壇汲取來的雜亂訊息。
因為時間有點不足,有點急於就義。
學界AI僅有看過簡介跟少數幾篇論文。
很怕自己如果走錯方向,這方向在遊戲界已經沒甚麼好發展了,卻還花很多時間
在鑽研AI的部分,會浪費時間。
所以會有一些比較非專業+愚蠢的發言 OTZ 抱歉
私心不想寫學界題材的部分是指,不想直接針對現有的學界問題做解決跟論文的部分。
寫出來的論文長得一樣也是清楚的。都是一堆理論+演算法跟一堆數學。
只是想讓別人一看就知道"這就是針對製作遊戲時,會碰到的問題在寫的論文"。
算是有點反骨,不想直接接上頭丟下來的題目。
或許一開始上來就該挑明問題,不該問些似是而非的問題XD
不過從各位前輩的回覆,大概也了解了一些現況。
謝謝各位的指教 :D
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.121.198.85
※ 編輯: lovesnake 來自: 140.121.198.85 (07/13 16:51)
推 ddavid:論文也是有自己發現問題去解的方向啊,但是那更要求你對整 07/13 17:50
→ ddavid:個領域都非常了解,這絕不是你沒做足Paper survey就能辦到 07/13 17:51
→ ddavid:的事情XD 07/13 17:51
→ ddavid:像你提到GDC,那麼你看過多少篇GDC論文呢?真的有每一篇GDC 07/13 17:53
→ ddavid:論文都一眼就讓人看得出只是針對遊戲嗎?而他們研究了哪些 07/13 17:53
→ ddavid:議題上了GDC呢?這都是你該去Survey的部分。 07/13 17:54
→ lovesnake:了解! 感謝指教!! 07/13 20:44
→ lovesnake:看來我一開始就走偏了呢 :P 再回去好好看論文吧 OTZ 07/13 20:45