深度学习现在炙手可热,尽管大多数时候我们知道它能识别图片中特定的对象,理解我们的语言或识别我们的声音。但是北卡罗来纳州立大学的最新研究表明,一种深度学习模型也可能让我们的游戏更智能。 研究人员使用一个深度学习模型(准确说是去噪自动编码技术)来预测一个没有设置任何挑战、指定活动、或固定路径的视频游戏中玩家的目标。你可以想象一下,游戏中的人工智能引擎会根据实际情况逐渐增加障碍物难度,或者做出适当的引导,以及计算出一个玩家实际完成某项任务的时间。 研究人员通过玩家游戏期间生成的五种数据——动作状态、行动理由、位置、叙述状态以及早前实现的目标——他们的系统能以62.3%的准确度预测这些玩家想要获得的目标。据了解,这项技术相比以前准确度提升了近29%。 重要的是,以前的技术需要人员手工编写他们模型需要分析的特性,而深度学习技术可以学习和它们自己相关的特性。 尽管这项研究对游戏行业来说还谈不上什么革命性的突破,但是这可能意味着基于深度学习的模式识别应用已经超出我们的预测。事实上,谷歌1月份以4亿美元收购的DeepMind已经训练出一套深度学习系统,它可以仅仅通过分析游戏玩法数据来学习视频游戏的规则。 |