这种需要靠反应力的东西
程式做的已经的比人类好太多
像这种会需要拼手速的比赛
一般会限制手速，避免AI太占优势
以及像是战争迷雾方面
这种比赛，也会限制程式能取得讯号
让程式能获得的资讯跟人类差不多
会是场公平的竞赛
PS. 现在所有的策略游戏的内建AI，在最难的模式下，都会作弊
因为那些AI的用途是娱乐性，不是研究性
游戏内的AI的目标是“制造一个让玩家觉得有挑战性又能战胜的对手”
并不会考虑公平性以及技术性
所以不要把那种AI跟这种研究性质的AI相提并论
在十几年前
AI陆战队的神走位与狗对坦克的神闪避，那段影片出现时
还有人认为人类能够以战略层级的角度
营造出，AI即使在局部战斗取得优势，也无法挽回的战局，来获得胜利
或是，认为战略游戏复杂度太高，电脑算不出来
以及认为
游戏中有不确定的因素(例如战争迷雾)导致电脑无法计算
人类会因此获胜
这样想也搞错AI的优势到底在哪里
AI的优势在于“算法的发展速度”以及“硬件的演进速度”上
想看看现在的电脑，跟小时候的电脑
不论在算法上，或是硬件上的差距，都非常的大
电脑跟人脑的演进速度，根本是不同层级的速度
举例来说，深蓝(下赢西洋棋棋王那台)的算法
是用Min-Max算法去排除大部分没必要考虑的走法
那可以把这种算法看成“比较好一点的穷举法”
但才过十几年
Alpha Go 在算法上
已经脱离穷举，而是使用比较接近“直觉”的运作方式
否则现在的计算力根本没办法处理围棋的复杂度
这次 AI 跟人类比《星海争霸》
AI或许没办法赢人类玩家
明年说不定也不会
但是后年？大后年？五年后？十年后？
问题不是“AI能不能赢过人类”
而是“AI哪时候能赢过人类？”

把AI做成萝莉外型应该就能赢了

说到这个我觉得给AI电脑作弊真的很靠背

所以阿法狗到底是用什么算法 有没有八卦

现在不就已经是 AI 哪时候能赢过人类了？AlphaGo就 Reinforcement Learning 啊

游戏制作都教人，写AI的时候把血量加高，就能让玩家觉得难度被调高了。超简单的。或是定时空投资源给AI，也能让中等难度的AI变成高难度AI。大部分没作弊的ai都只中级左右难度，高难度都是靠那种方式弄出来的。

现在是希望AI学得够快

拼手速的话 记得看过有影片 AI微操小狗躲坦克轰炸

战争迷雾使AI无法获得完整情报，AI不见得能做出正确的选择，应该很难发生AI一面倒的战况

现在阿法狗团队的瓶颈是 没办法把战局优劣势简单实时的量化

以DeepModel来说，问题只在于参数怎么训练好而已

所以算再快也没用

NoLimination 那人类打人类有可能出现一面倒吗？ 如果可能的

你如果没办法让资讯变得简单，这AI可能要训练到天荒地老

看看苏趴AI玩游戏的影片就知道要赢人类应该还要一段时间

楼上不要说太早 感觉之后一下就攻克惹 轻松被AI屌虐

我的比较点是围棋啦 已经一面倒了

那个散狗躲坦克的有作弊读取内存侦测坦克攻击目标

大部分的电脑游戏AI都是像血量调高、跳钱加快之类吧，反正又不是要公平对战只是要逼玩家拿出更高的技术应对

围棋一面倒是因为没有随机性啊 星海这种比较不会啦

现在训练上的问题是“每局时间”，因为现在训练ai还是很没

有效率，围棋是因为能够快速走棋，所以能压缩时间。

那个fgo的即死...

快速跑对战我觉得应该可以吧 就差不多是时间轴调快跟fps游戏开外挂是一样的意思

要做是可以 把所有游戏时间都等比例加速...

其实我比较想看AI打lol五打五怎么打团战

他们团队的理想是同时多帐挂网爬天梯

可能需要压缩到几秒钟一局的速度的程度喔....

几十个小时 而通常你有七张图要分析....

随机性不是问题 但是随机性制造的分析量是大问题

这部分应该比较像是data processing的问题了XD如果是使用raw data 我看AI只能玩沙了

针对星海RP做数据分析的工具已经不少了但是 针对每一个动作做分析目前无解

红色警戒3的AI真TM超鸟，困难敌人会自动侦测你出什么兵，对方就生一堆克制兵种，举例来说我生产一堆坦克准备去轰他们家，结果一进去，战争迷雾一开，他们整个基地满满坦克杀手，我一整个吓尿，而且当时根本战争迷雾都没开，他怎么知道我要干麻？

现在卡的问题不是演算快慢而是如何即时的评价操作选择这个算法还是要人去想 不太可能期待AI自己解决

不用吧 阿法狗就没有人为评价

体谅一下当年(现在)写游戏AI的人,他们可没那个人力物力去写个通用AI跟你对战啊

围棋是回合制而且情报完整遇到同样的型走哪一步的胜率可以从过往的棋谱里分析你一条狗 往左两个pixel还是三个pixel 同时这时对面的枪兵是往前一步 往后一步 打针呢 还是上医疗挺呢这个变量多到近乎无穷 怎么可能不简化评价来分析Deepmind 用原本星海的评分系统下去做 结果AI只会采矿

@win4104 你讲的这些 就是打算让AI去学的东西

win4104 现在不用评价，走到终局。 Min-Max算法才需要评价公式。

连对面兵打过来了也不管 就只管采矿 因为采矿在那个评价机制里得到最快最高的分数 可是只采矿根本打不赢赛局

你讲的问题就只是objective function 有问题而已

现在Deepmind就是连让他尝试做其他事情也没办法因为 根本不知道什么是好的

我记得Alpha GO 用蒙地卡罗就已经只靠输/赢去分析了，怎么在星海又走回头路了?

以deepmind现在的情况 蒙地卡罗就只有输而已

围棋一开始AI也不知道怎么下好啊 玩够多就会了

星海可不像围墙规则那么单纯 你要先教他怎样才会赢

连优势 跟赢的概念都没办法灌输给他

五只狗在坦克前面跳恰恰是不会赢的

输赢的概念可以啦 就是建筑物有没有被拆光而已XD

星海应该还是有输赢的吧？例如把对方全灭之类的？

星海系统上的胜败是一方建筑全清可是正常赛局早在这点前就已经分胜负了真的把建筑打完的正赛 一千场不知道有没有一场

这还是不影响终局啊 只是多花多少时间而已

你教它把建筑拆掉 于是五只工兵往前出发

围棋基本上也是这样啦。只是有的人不知道自己输了，或是在赌

星海的选择枝近乎无穷 没有办法指导AI学会 优势概念

没有办法让AI学会是人类的问题 不是AI的问题XD

要单用大量演算让他学到会 大概要用量子电脑吧

我觉得星海资料量不会大多少吧

虚空之遗的游戏节奏 因为晶矿重新设计 比虫心快很多

围棋也是啊 多玩几场就知道什么程度无法挽回该投降了

围棋一开始也是灌棋谱阿

星海每一步的可能性 圈几只兵 走几pixel 产什么甚至不做事

我怎么觉得推文里好像很多人没看过AlphaGO比较深入的文章啊?

仿佛看到去年alphago初出江湖时的各种推文

星海和围棋就不一样 不然你以为人家干嘛研究？

星海当然是比较难啦 不然人家干嘛做

人跟电脑比还有一个根本性差异是，电脑的资讯复制极容易，人类则不行所以百万人累积经验统合研究后"传承"是一个大障碍

传承哪时候变成障碍了？

因此当AI战胜冠军之后，基本上就真的接近GG了，因为

改版就大家一起从新开始

人类 transfer learning 比AI强多囉AI可能改版要从头学 人类不需要除非那个人类是低能儿

是像1到2的改版还是虫心到虚空的改版？

如何正确的标示出目标也是AI研究很重要的一环吧不然如果真的是造个机器人让他在电脑前打星海叫他赢 结果他得出来的结论是让对手无法参战就赢了

不知道有没有哪个策略游戏，是给ai做微操，人类给战略指示。然后ai开放给人写Script进去这样说好的策略游戏都不策略了，最近的策略游戏都在比微操。

你去跟孙子说战争靠兵法 不用操练士兵看看

练兵有连长会去练，叫指挥官去练兵肯定搞错了。

指w挥w官w不w用w练w兵www

什么？指挥官不用去参与或看练兵？

大家当兵跑三千的时候，国防部长都跟在旁边跑吗?太可怕了!!

围棋的可能性可是比宇宙原子总量多的 说ai无法克服无穷可能性的 似乎搞错了什么....

你知道RTS的可能性被评估为围棋又再多几十到几百个零吗..

围棋没有战争迷雾 围棋你能看到所有情报 星海有不确定性

你把每一个像素的移动都算进去 星海的可能性就比全宇宙的微粒子还要多

不过围棋的基本规则的确单纯多了 又是资讯完全透明的游戏 要克服星海一定比较困难得多 这是一定

还有围棋是回合制的...

基本上我也是认为不是能不能的问题 而是要花多少时间的问题才两三年前吧 几乎所有ai研究者都认为ai要在围棋碾压人类 起码还要十几年

虽然问题不在这边，但我还是想吐糟一下。你知道策略游戏内部

我是觉得把高端场几千局给电脑看完应该是能让电脑知道大概怎么样的局面叫赢 但是要练出如何走到这个局面的战术就没这么简单了

的运作上，不是以“像素”为单位的吗?

然后阿法狗就打爆大家的脸了...所以这次星海...就让我们拭目以待吧…

阿法狗可以在围棋上击败人类我不怎么意外但是如果DeepMind真的能让AI自己学会打RTS

拿世纪帝国一、二来当例子，“格子”的感觉很重吧？现在的策略游戏比较细致一点，但内部运作上还是走棋格，不然连多人连线一定会出问题的。

那肯定是对全世界产业的一大冲击走格子跟走像素...不就是格子大小的问题吗

例如分析人口差异+矿区和资源量+建筑物安全度是可以看出已定胜负的局面 但是交战瞬间的变化量可能没办法学那么快 像虫打神的大后期第一波交战后的全面数据可能只有资源存量领先 但是接下来几波就不一定了

Rts最难的是评价操作 会不会被人类欺骗 你的操作在对

哪有打爆什么脸 规则单纯的零和游戏大家都知道电脑强

楼楼上 你在这个时间点 说你不意外ai赢 不免事后诸葛之嫌呀 囧

是说，AI驾驶战机已经打得赢人类飞行员了。其实战斗机内的环境远比星海之类的简单多了，因为都是电子讯号.....

阿发狗是有成熟的自主学习机制才那么惊艳

嗯 资讯不对称也是一点 电脑对与侦查这个概念有多看重会很大影响进步速度

喔 好 我事后诸葛('・ω・')

('・ω・') 苦逼

那我用 universal approximation thm 说 AI稳赢好了

要讲打脸的话初音还更震撼呢

都知道电脑强...vs李世石时好像不是这么ㄧ回事~

现在 neural network 的知识已经不是啥太冷僻的东西了

Rts会抓timing 当然训练他各种种族的timing也是没有意义 根据不同timing的战术应对才是大家好奇的 形势判断错 出兵出错 你手速再高都没用

一些基本timing还是有差吧 例如几分几秒前不可能出现空军 隐形单位等等 这样基础防御的应对时间就可以同整出来

那就是脚本而不是自主学习啦 难处是要它“自己打”

比较高阶的转兵种或是开矿时机到是很难教自己学会这点我认为电脑做的到 多看高端场rp应该都会发现通则

问题就是这个多看 围棋可以看快速几千万局 星海……

“发现通则”这个人类比电脑快很多喔

拿初音跟阿法狗比???? 你干脆说921地震给你超更多的震撼算了...

我是觉得大家还是要记得人类学习得速度目前比电脑快啊XD

win4104，走格子跟走像素的大小差距，就是围棋跟西洋棋的差距。围棋的格子比较多，所以让电脑没办法穷举。所以AlphaGO才会用类神经网络。

不能用人类训练好的timing给他 而是他要自己根据大局观应对 用人类战术观给电脑练 让它选择没啥意义 人类认定的通则是把相同逻辑的部份抓出来的 相同战略中途的变化性又无限多种 比如说xBB教士流 当对手中途转兵 该有的应对？而且最重要的还是 这些资讯都不是透明的

现在的算法就是已经发展出，会忽略那些不可能的发展，以及

你不会知道是不是往前多侦查一步 就会获得最大效益

http://tinyurl.com/yb3kkplrDeepMind是用API打的喔

棋的棋盘放大9倍，变成三张棋盘的宽度，ai也能运作得很好。

及时战略 时脉 各种操作可能性 这些当然都包括在内现在最大的问题是 根本没办法传达赢这个概念选择枝多到无法计量 这个早就知道了 没什么好讨论的

A:围棋变化很多 B:星海变化更多 A:变化根本不重要啦

游戏的变化不会比围棋复杂这个真的不知道要从哪吐槽起了战场迷雾 即时 光这两个就已经不知道增加多少难度了

我一开始就讲“问题不在这边”了啊，问题本来就不是在变化数上。

那为什么要提格子大小?

然后我这一篇本文早就讲了AlphaGO早就干掉变化数这个问题了因为我可以从那一点发现你不懂游戏，甚至连写程式都不会。

一楼 FBI或成最大_家

AlphaGO解决的只是 围棋 的运算需求吧疴...我好歹也是写游戏的工程师

AlphaGO大概是发现了 1+2+....+100 可以用梯形公式去算，而

然后也是星海玩家 钻石虫族

感谢Or兄提供新签名档

不必加一百次的区别。所以发现梯形公式之后，嫌1加到1000要算很久是很奇怪的事情。

恩...所以你觉得找出梯型公式跟找出费马的最后定理是同一件事吗?问题本身复杂度天差地远解决了A 不代表能解决B

电脑主动大招的话 差不多已经精通了吧

马的…一直鬼打墙啥… 你觉得ai有可能用穷举法去求每个像素的组合？就算身为工程师的你只知道穷举法也不代表google工程师也这么笨好吗？还有感谢签名档… 你不知道你才是签名档吗… 原po只是表达能力稍微差点 对于ai的理解比你们要正确的多ai进行这个学习的用意是找出模式… 不是要穷举…梯形公式可以被定义为是个模式 人类很容易（几百年？）就可以归纳出来 这正是ai难以模仿人类的地方 而现在进行机器学习就是要学习模式（或者刚刚的梯形公式？），又不是要穷举，鬼打墙什么像素位移…

http://tinyurl.com/y7ax6oxw谁要他穷举了...即时非完全资讯博奕比回合制完全资讯博奕复杂这点有什么问题吗

是说大家也不知道真的研究的内容 他们也不会说是把alphago那套搬来直接用 一直讨论下去也不会有什么结果

Deepmind也是用 采矿 生兵 盖指定建筑等阶段性目标去训练他们的AI找出模式的前提 完整打完一个赛局 连这个前提都办不到那AI要怎么成长?

通常高难度的AI作弊大多是:免开迷雾/高手速/产相克兵种这种AI则是就API现有提供的资讯来判断当下该做的处置应该玩起来会差很多以Bz的暴雪英霸来说,AI似乎也导入了学习玩家的机制会蹲草丛、诱敌深入并围攻之类的..不过我想AI有额外作弊例如开图侦测之类的

既然频道对上了 我们就不要再鬼打墙像素与资讯降噪的问题（更何况github上有api，根本没有这个问题）再来 行走 采矿 不就是一个一个的模式？ ai由x点位移至y点？

你的狗前面有一只教士 教士分身在你身后 左边有个斜坡你的狗要往前走 往后走 上去咬 还是停著不动哪个损失最少?或是根本不要管 把资源拿去营运

我得承认ai在初期对于模式的寻找可能会很困难 但啊法

无数这种小决断构成整场赛局 我不觉的复杂度可以排除在讨论之外初期找不到成长的方向 让进化进入死胡同 研究根本就进行不下去最新看到的DeepMind星海AI现况就是连门都不出 一直在采矿

你为什么认为模式只能在终结点判定？

因为采矿的分数评价高模式也有分有用的没用的

模式中途就可以决定了，你在小范围就能决定模式你在中途就能学习如何行走和探索这些模式好吗？这就跟你写Code分function一样直觉好吗？AI并非输赢才能学习模式，AI做得不好就是参数没调整好你可以谈论星海不能像围棋一样加速学习太慢，但这跟资讯是不是无限，资讯是否有noise根本没关系

所以他学习了个无关乎胜败的模式有意义吗目标是要赢 他学的模式必须要增加胜率

人类平常下决定也是在近乎无限可能的情况下下决定

但是无法评价选择跟胜率的关连 不就是问题所在

你觉得复杂度不影响演算效率吗? 人类的电脑演算速度有高道可以无视问题复杂度吗?

所以才会"故意"去找围棋、游戏这种很难收敛的去run，有穷的东西有什么好算的？暴力算下去就结束了... 我们真的在同频道吗？我以为降噪论完我们能对频率

所以现在星海卡关了不是吗

"不能收敛"的题目是前提... 不然有什么好算的？不能收敛(用你的话就是无穷、复杂度很高)的题目是前提这样说懂了吗？ 有穷题有什么好算的？你跟我说说让AI去计算有穷题有什么意义？

问题不是复杂度 是AI无法评价选择的价值

让AI去计算1+到100亿有什么意义？

"""用AI尝试在不收敛的题目中寻找模式"""

这两句我不是早就讲了?

我攻击了什么了?

选择枝多到无法计量 -> 这个就是不收敛 你同意吧？类神经的意义就是在这样的题目中寻找模式(并非必胜法)所以你说它算不完，我同意啊，但干嘛要算完？

我同意 我用这句话回答星海比围棋复杂 你同意吗

人类会把每个工兵的位移可能算进去吗？

我没要他算完 但是复杂度影响效率

恩... 你有玩星海吗?

其他兵种以此类推，并学习兵种的作战模式和范围

这就是AI的行为你是不是想跟我说，工兵点上去就会自动采了？我玩过，我举这个例子不是要探讨工兵如何采矿

不是 是兵种的站位 走位对战局有非常大的影响

是尝试在归纳模式（以人类的角度）

同样一只狗 站在战场上的不同位置 代表的意义不一样

护甲克性、轻重甲、对这些进行归类，就是要去学习的

然后8/25的新闻指出 目前Deepmind采取两种赛局模式去训练他们的AI

这个实验在学习的就是这个，就这么简单

另一个是 用BZ的 分数评价让他追求高分

Google上班了

你说AI很难算，我不反对，我前面有说，模式难寻找

所以你那么在意那点干嘛... 我不是说了 我只是回答星海跟围棋复杂度一样 这个问题吗

我要跟你说的，不收敛的题目是这样计画的前提

我的答案是 星海比围棋复杂

你是指很复杂算不出来？这个意思？我并没有否定它复杂，我是说他就是实验前提啊

你还是看不懂吗... 我的中文有这么差吗我回答他 "星海复杂度跟围棋一样" 这个论述的答案是 "星海比围棋复杂"不是 "星海比围棋复杂 所以AI算不出来"

我看不懂，比围棋复杂？O，我懂了，你是在challenge某个人的某句话这样我当然看无，那句不是我讲的=.=

不完全资讯即时博奕 跟 完全资讯回合制博奕 哪个复杂?看来是结束了 ('・ω・')

对，因为不是我讲的，我同意你的部分

玻璃渣改个单位数据就又要重学惹，看看就好围棋还相对单纯，星海一代patch一代神

我看完全部推文了XD 洒花～～

星海搞定之后 最终就是军事用途了..

我不觉得星海单纯在计算面上比围棋复杂，职业选手更多的依靠反应力和手速吧

那只代表职业选手还没达到技术顶点, 和计算复杂度无关