阿尔法狗围棋吊打人类后，把星际作为新的训练平台，然而直到现在为止，连简单电脑都打不过。

也就是说，不在后台作弊的话，连路人水平都没有。

因为阿尔法狗是完全从零开始去学打星际，也就是说连采矿有什么用都不知道。

生下来就会跑会飞的那叫妖怪

喷了。。。。。。

刚开始也下不过业余围棋高手

ai是会学习的。所以给他点时间

当然真的 赢了不早吹上天了

有训练视频么？

资料都开源了，据说是研究到头了，没进展了。再学习也就这个鸟样了。

看来天网还远着呢？

因为星际的基本规则要比围棋复杂得多啊

有多少人工，就有多少智能

哪来的消息？我以为还在训练中呢

你让暴雪把星际游戏的api接口给出来，阿法狗分分钟演练对战千万盘，两天之后就进化到吊打职业选手。
ai就是靠大数据碰撞进化的，单一领域进化不要太简单。

话说它是用程序操控电脑还是模拟机械手操作键鼠……后者的话一旦学成简直就是终结者降临……

不懂就问，规则越简单是不是越难掌握变数越多？

泥潭日常轮ai系列么？我记得deep mind公布这个项目才不到一年时间，最近的一篇关于星际的论文并放出api和开源包也才半年。想想阿法狗从最开始学习到能和欧洲冠军过招花了多长时间？

星际的最大问题是信息不对称啊。围棋是对手的情况知道的一清二楚。你星际探路都不一定。除非开战争迷雾。

.

科学研究这么快就研究到头了？当年也是这么吹围棋的，说电脑永远也不可能打败人类

深度学习这条路走到头了，除非换条路。这得靠人脑袋想了，可能10年，可能20年，等个牛人出来建立一套新的概念吧。

我觉得还是算力问题吧，
围棋就算变数再多，也是有限的，
围棋棋盘的格子数也是固定的，而且围棋更是越是下到后面，空的格子越少，可能性越小，我觉得围棋的本质上还是枚举排除法。
而星际的地图则太大太大了，根围棋比几乎可以算无限，于是电脑就扑街了。
所以，目前所谓的ai可能还是靠暴力计算。

阿尔法狗已经不是完全依靠算力了

你引用的干货不就是说的算力么。。。。。
那个所谓学习过程本质还是靠算啊，只不过是算完再做了个自我评估和筛选，排除了傻逼的选项。

本帖最后由 gnorz 于 2018-2-22 22:26 通过手机版编辑

变量太多，就一个采矿就可以让cpu崩溃了。

好像已经学了快一年了。

ai应用肯定离不开计算，我说的也是不完全依靠算力。只是目前ai的发展已经摆脱过去穷举式的暴力计算了，而是深度学习，当然这一切也是建立在大量计算（学习）的基础上。

说到底就是围棋的分支有限，而星际分支接近无限，算不过来当然也就无法学习了呗，所谓人类可以稍微松口气了(手动滑稽

https://deepmind.com/blog/deepmi ... search-environment/

效果不竟如人意是我从朋友那里听来的

其实围棋的分支已经是算不过来了...

毕竟棋盘格子数是死的，所以理论分支也还是有限的，只是人算不过来，
对现在的电脑来说不算个事吧。

并不是。。。。。

主要还是两者的博弈模式不同。。。。。



围棋是信息公开博弈，对方走什么棋完全知道。而星际是有黑域的，对方的行动看不见，很多时候要靠猜（当然也不是毫无依据的乱猜），战术相对围棋而言更模糊，变数更多，而且得随机应变，没有最优选择，所以这和下围棋就不是一个层面的技术了。。。。。

本帖最后由 VODKA 于 2018-2-22 22:53 通过手机版编辑

说实话如果电脑真能打败人类星际高手，我觉得离天网也就几年的事儿了。

归根结底就是必然性和偶然性，
围棋就是能算到结局，就是有必然性，星际则是偶然性，
对电脑来说，那还就是算力问题啊。

算力不是问题，如何评估和筛选才是。评估和筛选这部分的代码要人来写，或是人来定义。当然深度学习号称这部分也可以让机器自动完成，但当碰到星际的时候它工作的就不那么好了。alphago 可以自己“学习”，但星际太复杂了，这套方法已经不适用了。

[本帖最后由 jiejieup 于 2018-2-22 23:12 编辑]

算力问题的前提是你得有一个正确的问题提供给计算机，星际项目是你压根就无法描述这个问题给计算机，计算机拿什么来解？描述问题是解决问题的第一步，首先都无法描述这个问题，你怎么能解决呢？或者更确切的讲如何正确的描述一个问题，deepmind 号称自己可以描述问题自己来解决，但如果 deepmind 无法正确的描述玩星际这个问题，那么它肯定无法正确的解决问题。alphago 在围棋上表现的好，也是因为围棋规则简单，应用 deepmind 技术恰好可以近似的描述围棋问题从而得到近似的最优解，一旦场景复杂起来，那套连人自己都搞不懂的原理的机器怎么可能有能力正确的描述出问题呢。

[本帖最后由 jiejieup 于 2018-2-22 23:18 编辑]

不是算力问题，而是算法问题。。。。。

这么说吧，目前阿法狗的算法压根没法解决星际这种信息不公开的博弈问题。。。。。

围棋和星际无非就是看谁能走更多的步骤，
问题是电脑的算力算不到星际里能赢的结局，
于是就无法做出评估，于是就无法思考，
很显然，围棋是能算到结局的，
再说下围棋本来也就是靠算吧。

其实就拿无知幼童打比方就行了啊，AI就是无知幼童，教它下棋是很简单的，你白我黑，我一个，你一个。一下就学会了；但是SC2呢？需要引入的概念太多了——这是“基地”，能生产“农民”，生产农民要花钱，钱从旁边的矿里来，农民要去采……这才介绍到哪儿跟哪儿呢……

和算力没关系，假设现在算力无穷大，我打赌这个评估出来的结果也是错误的。星际里每一次操作对最终的结果的影响微乎其微，一系列的操作，大局上的操作才是获胜的基础。现在的评估方法我感觉无法用在星际上。毕竟机器无法知道对手的操作是什么，机器需要去猜测对手的操作，那么就可能猜错，人也可以针对机器进行博弈。所在在不完全信息公开的问题上，想AI做的好还远着呢，很可能这就是机器和人脑的区别。

[本帖最后由 jiejieup 于 2018-2-23 00:03 编辑]

不打sc2，有点不太明白。ai难道不能不猜对手的行动，只和人类比手快可以不，这方面ai有天然优势啊，而且ai可以控制每个单兵独立行动，这又是个巨大优势。

这是外挂脚本，不是人工智能。。。。。

做个方便堵口的图，电脑前期一没法侦查就傻逼了吧

的确 星际规则就比较复杂，一个新手也要最少一周才能熟悉各个兵种。

阿尔法狗已经练习了一年了。

人类选手只要智商正常身体健康的，专门练一年，打赢高难度电脑应该没问题吧？

建议读一下论文原文，中文精编版这里有一篇
https://www.jiqizhixin.com/articles/2017-08-10-2?lan=cn&lan=cn&lan=cn

战略问题能解决，天网就真的要来了……

以后打仗真的交给机器就好了

在电脑上的操作最终都是量化的，而游戏也是基于这些量来计算的，你如果做了A操作，必然会带来B后果，游戏毕竟还是建立在一系列规则的计算上的，
假设阿尔法的算力够的话，就不存在猜的说法了，
人在星际里是凭经验往趋向赢的方做了一个随机选择，
而阿尔法则是通过先算出一个能赢的结果，然后做倒推，这个时候，问题就来了，算力不够。

星际信息不全，怎么能推算出一个赢率较大的结果作为这一帧的操作？这时候计算机需要一个启发函数来补全信息不全的内容，启发函数的设计可以无穷无尽，算力无限假设能自动找出一个最优的启发函数来得到当前这一帧的最优操作解，虽然能保证从开头到结尾都是最优的，但局部最优不一定是全局最优，而且这也是建立在启发函数的猜测是正确的基础上，但也有可能猜错了。这个问题并不是算力就能解决的，Dota2 1v1 的 AI 虽然打败了最顶尖的选手，但之后被普通玩家找到漏洞吊打。人类总能创造性的发现新的东西，而机器只能在设定好的数据集中运行，无法突破自己。