AI Arena:掌握遊戲機制 訓練你的下一個拳王
AI Arena:掌握遊戲機制 訓練你的下一個拳王
-
274
人工神經網絡
一個最重要的創新:人工神經網絡
為什么需要神經網絡?
簡單來講,神經網絡意味着理論上它可以學習任何用戶動作的映射!
為了介紹一會兒將使用的一些術語,從狀態到行動的映射將被稱為“策略”。
為了讓拳手的神經網絡學習策略,AI Arena將採取模擬學習和強化學習。其中神經網絡架構存儲在IPFS上。
權值
在上圖中,神經元之間的連接稱為“權值”。當你的神經網絡正在“學習”時,所發生的是它正在改變權值的值。
權值最終將決定狀態如何映射到動作,這意味着我們可以將權值解釋為“智能”。
神經網絡權值對於每個NFT都是唯一的,並存儲在以太坊上。
AI設計機制全攻略
狀態
(1)什么是狀態?
狀態是環境在某個時間點的表示。它並沒有包含所有信息——只包含了其中必要的信息。
例如:研究人員使用屏幕上的所有像素作為狀態,讓AI計算出像素代表什么。然後根據他們認為對決策過程重要的因素進行人工調試。
AI Arena一再強調其關心的是為所有人提供平等的機會——團隊希望獎勵能夠更多地給予堅持訓練AI的用戶,而不是獎勵擁有更多資源的用戶。
(2)遊戲將使用哪些變量?
下面是狀態中包含的變量列表。需要注意的是,AI Arena將使用下標1表示用戶自己的AI,下標2表示對手。
此外,競技場的左邊界的X位置為0,右邊界的X位置為1。
-
訓練
(1)訓練概述
這是改變神經網絡中權值的過程,以使AI能夠起作用。
例如:如果我們在對手面前,我們可能希望我們的战士出擊。
有一系列的權值可以實現這一點,訓練的重點是讓AI學會在特定場景中採取特定的行動。
AI Arena在應用程序中嵌入了以下培訓計劃:
-
模仿學習
為了學習如何战鬥,你的AI將觀察你並學習模仿你的動作。
自我學習
為了學習你無法教給它的技能,你的AI將與自己的副本對抗,以不斷提高。
(2)為什么需要訓練?
1·隨機初始化
首次創建NFT拳手時,神經網絡權值也隨之生成。一开始它會隨機採取行動,因為它不知道在什么情況下應該採取什么行動。
因此為了准備战鬥,我們必須訓練它,使它學會一個好的作战策略。
2·隨機策略
正如上文“神經網絡”部分中提到的,從狀態到動作的映射稱為策略。
換句話說,策略定義了代理在某些情況下的行為方式。在訓練之前,NFT拳手還沒有學會一個好的战鬥策略,所以只是隨機行動。
-
模仿學習
(1)通過觀察學習
理解模仿學習的最好方法是想象你是一個師父,你的AI是一個你正在准備战鬥的战士。
你用你的人工智能進行搏擊,它學習模仿你在特定場景中的動作。
我們正在寫一篇關於模仿學習的綜合博文,到時候會將其鏈接到這裏。
(2)演示
實際情況:你實際操控的是左邊的灰色拳手,而你的AI在右邊。你可以測試一些動作,觀察AI如何模仿你。
請注意:它不會立即復刻你的動作,因為神經網絡需要一點時間來學習,所以在AI學會之前,你可能需要多重復幾次你的動作。
為簡單演示,目前AI Arena只允許用戶使用這些操作:向左跑、向右跑、單拳、雙拳和防守。
自我學習
(1)完美匹配
最完美的拳擊搭檔就是用戶自己。通過自我學習,你的AI總是在不斷地挑战自己,不斷地改進。
(2)不同的學習範式
通過模仿學習,AI通過觀看演示進行學習。在自我學習中,AI像對手一樣學習和战鬥沒有多大意義,因為對手是人工智能本身的克隆。
但是如果沒有專家向人AI展示如何战鬥,那么它如何學習該做什么呢?——通過獎勵。
AI將學會採取給予它更多正向獎勵的行動,而減少採取給予它負面獎勵的行動。
定制訓練
Python環境【正在准備中】
AI Arena計劃為玩家引入一個python環境來訓練他們自己的模型。
目前,用戶僅限於使用團隊在應用程序中提供的兩種培訓方法;但不久的將來,應用程序將可以允許玩家導入其自定義培訓模型並上鏈。
遊戲模式探索
战鬥
AI Arena目前有兩種可用的作战模式:模擬賽和排位賽。除此之外,團隊計劃在不久後整合另外兩種作战模式。
1)模擬賽
玩家可以在對抗競技場測試他們的拳手來預先訓練的AI。在這種模式下將沒有任何獎勵。
2)排位賽
玩家將讓他們的拳手去對抗來自世界各地的拳手。玩家的唯一目標就是努力攀登排行榜,成為競技場的冠軍!
玩家在排行榜上的排名越高,贏得一場战鬥的回報獎勵就越高。
3)目標
雖然每種战鬥模式都有其獨特之處,但它們都有一個共同的勝利目標:在指定的時間內消耗對手所有生命值。
鏈金交易員總結
目前AI Arena尚處在早期,很適合提前埋伏觀察。據官方透露,遊戲正式版本大概率於明年推出,而今年年末推出的測試版本將只有白名單用戶可以參與體驗。
白名單用戶名額的獲取方式是參與團隊即將推出的解密遊戲,通過遊戲後的用戶將會被隨機選擇是否進入白名單。
有興趣的玩家可以加入他們的Discord嘗試體驗,大概率後期會有早鳥空投獎勵。
金色財經 > 區塊鏈 > AI Arena:掌握遊戲機制 訓練你的下一個拳王
鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。