人工智能在游戏中的应用
人工智能在游戏中的目标主要有五个：一是为玩家提供适合的挑战；二是使玩家处于亢奋状态；三是提供不可预知性结果；四是帮助完成游戏的故事情节；五是创造一个生动的世界。这个生动的世界可以是类似现实生活中的世界，也可以是与现实世界完全不同的世界。但不管何种世界都要求有一整套能够自圆其说的游戏规则。在游戏制作过程中，实现人工智能的关键主要有：虚拟现实与拟人化、动画效果与机器角色场景感知、机器角色的机器学习和进化、玩家与机器角色之间的平衡性、人工愚蠢技术、确定性人工智能技术与非确定性人工智能技术的互补。
几年前，谷歌DeepMind在49台Atari 2600游戏上设置了人工智能。他们为这49台人工智能配备了与人类玩家相同的装备，在这种自我学习下，AI在大多数游戏中都“想”出了如何玩这些游戏并取得胜利。然而，有些游戏比其他游戏更难掌握，如经典的80年代视频游戏——吃豆人（Ms Pac-Man ），这是最具有挑战性的游戏之一。
2017年，一家名为Maluuba的人工智能深度学习初创公司被谷歌收购，并入DeepMind集团。Maluuba的新机器学习方法被称为“混合奖励体系结构”(HRA)。他们将这种方法应用到MS Pac-Man系统中，系统创建了超过150个“代理”，每个代理都有特定的任务——比如找到一个特定的豆子，或者避免幽灵。
最终，HRA方法会生成一个顶级代理，类似于高级经理。这个高级经理在做出个体移动的最终决定之前，会对下级代理的所有建议进行评估。这种方法被委婉地称为“分治法”，即把复杂的任务分解成更小的部分。
在将该方法应用于吃豆人之后，人工智能很快就找到了如何达到999,990最高分数的方法，这是此前人类或其他人工智能都无法做到的。
如果人工智能在几乎所有的游戏中都能打败我们，那么，按照这个发展逻辑，接下来应该怎么做呢？
最近，法尔茅斯大学的一名研究人员开发了一种新的机器深度学习算法，他声称，这种算法可以为我们设计出自己的游戏，让我们从游戏中失败的地方重新开始玩。这个人工智能系统被称为“Angelina”，它每天都在不断改进，现在，它可以利用从维基共享网站到在线报纸和社交媒体等多种来源的数据来制作游戏。
閱讀更多 南方兄弟 的文章
