推 ddavid:也沒那麼神啦,用哪一種、Hidden Layer數量怎麼取、I/O怎麼 12/01 02:51
→ ddavid:編碼還是有些麻煩存在的,而且真要說的話只要符合前提,那 12/01 02:52
→ ddavid:Data Mining/Maching Learning裡面很多東西都是萬用的啦XD 12/01 02:52
data mining / machine learning 是進可攻退可守的萬用工具啊
進,說不定好死不死真的把問題解決了
退,做出來效果不好, 就說 "啊,這是 DM/ML 的先天限制嘛;
嫌不好的話你找個更好的方法出來啊" XD
推 ddavid:在這個問題上比較麻煩的是甚至沒有太固定的Pattern或Class 12/01 02:55
→ ddavid:可以learn,光是Evaluation function就很難寫,就更不用說 12/01 02:57
→ ddavid:要能做back propagation或其他別的招數了XD 12/01 02:58
我覺得有偷機的空間
→ ddavid:縱使硬用了,可能會因為合理的可能性太多,很容易發生 12/01 02:59
→ ddavid:Hidden Layer不足導致overfitting → 變得只認為特定幾種設 12/01 03:00
→ ddavid:計是好的,其它都是垃圾 12/01 03:00
→ ddavid:上面講錯:Hidden Layer → Hidden Layer中Node的個數 12/01 03:01
假設一個遊戲的源碼為 S, 假設有一套評量遊戲平衡的條件為 C
要做出 f 使得 f(S, C) 可以回答 "此遊戲是否平衡/合理?" 這個問題
我覺得這個 f 很難做, 弄出來至少值個博士學位
我會退而求其次,用偷機的,
假設一個遊戲的規則為 R
要做出 f 使得 f(R) 可以回答 "就統計上來說,勝率高的玩法有哪些?" 這個問題
這個感覺上就(相對地)簡單多了,感覺只是個碩士題目
最後再由人腦來判斷這些勝率高的玩法是否 IMBA
綜合人腦電腦雙方的優點
題外話: 記得在 2007 年前後有聽到一則新聞,
一所大學辦個 AI 比賽,比賽讓 AI 玩遊戲
但這比賽的特點是,各個競賽遊戲本身的規則事前不公佈
比賽開始了才公佈 (以 prolog 還什麼那一類的語言編碼)
易言之,參賽的 AI 要當場試著去了解這些遊戲規則,然後求勝
後續情形不知道,但是這是很有趣,很有挑戰性的比法 :D
※ 編輯: AmosYang 來自: 98.26.14.35 (12/01 04:43)
※ 編輯: AmosYang 來自: 98.26.14.35 (12/01 04:44)
推 ddavid:挺有趣的,這種把AI一般化的問題都很有趣......也比較難XD 12/01 22:57