那它会不会在斩杀前发个“打得不错”？
导语：伴随着围棋也被最终攻破，棋类这样的“复古游戏”最后还是被人类创造的计算机征服了。那谷歌的“DeepMind”下一步想要转攻哪个智力游戏呢？就目前的影响力来看的话，也许是《万智牌》和《炉石传说》了吧。
在你激动之前，先明确目前没有任何计划来放任AI去玩《游戏王》、《炉石传说》这些流行的卡牌游戏。但现在，大伙儿至少可以为牛津大学让DeepMind分析卡牌数据并把它转换为代码而高兴一下。
从本质上讲，这个任务只是把数据“翻译”成人机对话的语言，然而卡牌却有它自己的“游戏语言”和体系，在特定的时间使用某些卡牌才能发挥它的最好功效。这些才显然是最复杂的部分。
以下是他们的原话解释：
Many language generation tasks require the production of text conditioned on both structured and unstructured inputs. We present a novel neural network architecture which generates an output sequence conditioned on an arbitrary number of input functions. Crucially, our approach allows both the choice of conditioning context and the granularity of generation, for example characters or tokens, to be marginalised, thus permitting scalable and effective training. Using this framework, we address the problem of generating programming code from a mixed natural language and structured specification.We create two new data sets for this paradigm derived from the collectible trading card games Magic the Gathering and Hearthstone.
说得神TM复杂，总而言之就是：
我们这个东西很屌，像人一样，能够学习和成长。我们还从卡牌游戏里弄了数据库给它训练。
举例来说，像卡牌中的资源花费（费用）这些元素实际上不怎么会变化，所以很容易被破译。然而，一张卡的卡面描述就会使费用在某些情况下增加或减少。
所以你可以想象，写一个能够分析和判断卡牌游戏中这些变化的程序是多么牛逼。与其写一个满是if/else的玩意儿，还不如把这个交给“DeepMind”来做。
通过给它足够的数据资料，比如成千上万的万智卡牌，就意味着AI能够学习卡面描述的“语言”，并计算出许多种精准的情况。很显然，这个工作量特别适合当前的《炉石传说》。
在处理“疯狂爆破者”这张牌上它做得还好，但是对于“伺机待发”这张牌它就完全晕头转向了。
好吧，就连好多职业选手都在“伺机待发”这张卡上犯过错误，我们姑且就原谅DeepMind犯下这个错误吧。（P.S.低级错误......）
研究人员指出，之所以“疯狂爆破者”被正确处理了是因为AI很好的捕捉到了它与类似卡的区别。
“疯狂爆破者”这张卡的生成正确是因为之前有了类似卡“疯狂投弹者”的训练库。它们的效果几乎一样，除了把造成3点伤害换成6点伤害。这算是个令人满意的结果吧，因为模型发现了这个差异。
是的，目前来看DeepMind干得不错。现阶段最让人担心的就是DeepMind会开包上瘾，把谷歌的钱全部花在炉石的卡包上，那可会是一大笔钱......
I
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。