愤怒的小鸟是主流的古典游戏，自2009年以来已经成为iTune40亿次，约为地球上总人口的一半。此外，它还促进了许多与绘画小说和书籍有关的两部电影和四部系列动画剧，更不用说智能手机和其他平台上诞生了无数游戏，甚至是AR版的游戏。(公共编号:)记录:右图是AR版《愤怒的小鸟》的《猪岛》，现在这个受欢迎的世界性游戏也受到AI的挑战——AI已经超过了这个游戏的顶级玩家的同等水平。本周，Arixiv.org上公开发表了论文，布拉格查尔斯大学的研究人员详细说明了被称为DQBirds的AI。
该系统通过Depmind首次明确提出的Deepmind算法训练，在以前随机采样的环境下完成了注册任务。一般来说，研究人员在使用DeepQ-learning算法训练AI系统时，不采用DoubleQ-learning算法的算法很重要，因为不是控制机器的下一个动作，而是评价决策研究人员在论文中写道，对于人工智能智能体来说，愤怒的小鸟这个游戏很麻烦。因为必须考虑顺序和游戏环境等随机因素，所以必须区分各种各样的小鸟和适当的能力和最佳的页面时间。
如果想顺利完成任务，人工智能智能体就没有提前预测或模拟自己的行动的结果。因此，AI系统不捕猎游戏照片(为了稳定游戏物理效果，系统在照片前等待5秒钟)，切断菜单和再游戏等UI要素。
图像被裁剪后，系统不调整图像的大小，呈圆形统一的规范状态，传输给Deeplearning的机器学习算法。了解到，为了更加了解自己的模式，团队还从《愤怒的小鸟》中经典的Poahed指南Eggs关卡中收集了21个可玩性级别的数据集，其中还包括多达11.5万张图片。研究人员报告说，他们的AI系统已经需要在一定程度上达到由四名人类专家组成的团队分数，但是在Tivel21的分数总和上稍差，特别是在通过18级可玩性水平时。
此外，在IJCAI(InternationalJointConfernceonArtificlintellign、国际人工智能领导会议)大会召开期间，该研究团队与愤怒的小鸟AI竞赛一起参加。在这场比赛中，几名选手的AI模型在三场淘汰赛中顺利通过了8个至今未知的水平，但DQ-Birds系统没有获胜，其中3个水平已经通过，这场比赛的20年的决赛水平很低。研究人员在报告中说:我们在这项工作中有没有达成协议的目标。那是因为DQ-Birds系统几乎没有打破人类。
这个系统还缺乏足够多样的训练数据集。但是，在好消息中，DQ-Birds在某个水平上已经可以重复使用。原始文章允许禁止发布。下一篇文章发表了注意事项。
本文关键词：米乐体育app下载,米乐,体育,app,下载,利用,Deepmind,的,这项,技术
本文来源：米乐体育app网页登录-www.menjinkaoqinji.com