Re: [分享] 用寶可夢紅版示範AI的機器學習

medama04/04 15:44看不懂

wenku8com04/04 15:48難怪龍王的工作會說人類很難理解AI的下法

wenku8com04/04 15:48但只要成功學會AI的下法就能幹爆所有人

lightdogs04/04 15:51其實跟跑模擬有點像 參數有一定經驗參考性 但為什麼是

lightdogs04/04 15:51這個參數才能跑出吻合實驗的結果 不知道

killerj466v204/04 15:52也就是說過去的方法 是在人類能理解的情況下

killerj466v204/04 15:52用窮舉法硬幹

peterturtle04/04 15:53實質上仍然是一種求最大勝利期望值的方法，差別在於

peterturtle04/04 15:53，這種方法代表人類放棄控制電腦的思考方式，而是把

killerj466v204/04 15:53但狗狗的方法，是用一套多重參數疊加下的最佳路徑

peterturtle04/04 15:53所有不管有沒有用的變數都灌進去然後讓電腦自己去撞

peterturtle04/04 15:53牆，最終頭破血流的電腦有機會找出一個 It Just Work

peterturtle04/04 15:53 的結果。

killerj466v204/04 15:54而這多重參數無法用人類下棋的方式理解

lightdogs04/04 15:56其實訂立獎勵機制應該算最重要的一部分 很多設計模擬

ZMTL04/04 15:56以這篇玩紅版，就是想辦法引導出能玩遊戲的參數吧，AI會慢慢

lightdogs04/04 15:56也是用這種方式去做優化 但神經網路目前的問題是 模擬

lightdogs04/04 15:56能用物理及數學公式解釋這樣的設計結構 但神經網路的

lightdogs04/04 15:56那些參數是真的無法理解的一堆參數

ZMTL04/04 15:57找到該怎麼做，但推文的暴力破解感覺就跟猴子沒兩樣只是可以

ZMTL04/04 15:57很多很多

Nitricacid04/04 16:00https://i.imgur.com/ZEYajIF.jpg

none04904/04 16:00問題在「來路不明的參數」是怎麼生出來的吧?

Nitricacid04/04 16:01恭喜各界精英理解了碼農們的生活

peterturtle04/04 16:01這個方法除了讓人因人腦的極限感到挫折之外其實蠻有

peterturtle04/04 16:01效的，而之所以叫類神經網路是因為我們大腦裡也幹著

peterturtle04/04 16:01差不多的事情：能用的迴路強化、沒用的迴路消失掉，

peterturtle04/04 16:01而等到我們年老大腦神經元增生速度趨緩、舊有迴路也

peterturtle04/04 16:01被強化過頭時就很難學新東西了。

lightdogs04/04 16:03來路不明的參數是藉由獎勵機制去做變化的 但問題是我

lightdogs04/04 16:03們不知道這些參數的變化到底代表什麼

none04904/04 16:03如果這種可以幹爆人類的參數其實也是訓練出來的

none04904/04 16:03那也只是等於用人類辦不到的實戰訓練以結果篩選出一個

none04904/04 16:03教不了人也不知道該怎麼解釋自己招式的我流棋士?

lightdogs04/04 16:04可以這麼說 他就是全憑直覺去下棋還屌打棋王得人

peterturtle04/04 16:05to none 意思差不多

kirimaru7304/04 16:05開發現代圍棋AI有一個很重要的差異 就是人類放棄去思

kirimaru7304/04 16:05考「圍棋要怎麼下」這件事情，因為數學上已經證明你就

kirimaru7304/04 16:06就是沒有那麼高的複雜度去思考，科技在強也不行

kirimaru7304/04 16:06所以人類就告訴模型 我不去管圍棋的事了 幹爆對面就好

none04904/04 16:07to以前的AI：身為你的人類老師，我要你理解這些

none04904/04 16:07to現在的AI：不用理解，去感覺吧！

peterturtle04/04 16:07而就在這個莫門AI統治人類的可能性誕生了 www

kirimaru7304/04 16:10雖然原文是寶可夢，但這方面也是一樣

kirimaru7304/04 16:10人類壓根就沒有想教AI「怎麼」玩寶可夢

kirimaru7304/04 16:10人類只是想教AI「會」玩寶可夢 然後他就會了

lightdogs04/04 16:13而且基本上都是從獎勵機制下手 死掉一個寶可夢 bad -1

lightdogs04/04 16:13分 升級了 good +1分 然後這種機制其實對扣分更敏感

lightdogs04/04 16:13所以設立錯誤的話會發現ai卡住 因為他完全不敢去做會

lightdogs04/04 16:13扣分的事

kirimaru7304/04 16:13很多玩遊戲的強化學習都會有一個非零參數

kirimaru7304/04 16:13活著什麼都不動每frame扣多少分

lightdogs04/04 16:13某方面來說跟人類大腦運作機制真的很類似

kirimaru7304/04 16:13因為不加這個很容易卡住

kirimaru7304/04 16:14一個趣談 人類一開始養阿法狗時有灌輸人類圍棋知識的

kirimaru7304/04 16:14最高結晶 結果養出來的這條爛狗竟然還被李世石一比四

lightdogs04/04 16:14對 譬如說最簡單的乒乓球或者flappy bird

kirimaru7304/04 16:15後來人類撤除了所有圍棋的文化，狗就六十比零了

lightdogs04/04 16:15那就是alphago 跟alphago zero 的差別了

staristic04/04 16:16古力：原來在神乎棋技的路上我是多餘的

lightdogs04/04 16:18加強式學習是我覺得最沒效率的精神網路 但只要時間夠

lightdogs04/04 16:18長 運算效率夠快 它又是表現最好的 但又因為前期的低

lightdogs04/04 16:18效率實在難以評估獎勵機制的優劣 所以很不適合自己研

lightdogs04/04 16:18究

kirimaru7304/04 16:21加強式學習的最強王牌：不用微分也能訓練

kirimaru7304/04 16:21但是掏出這張王牌之後就是獎懲函數的責任了

kirimaru7304/04 16:25不用微分的意思就是我他媽真的什麼都能學，甚至連交友

kirimaru7304/04 16:25感情外交戰爭都可能學得會 但是我說那個獎懲函數呢

lightdogs04/04 16:26不知道 天上會掉下來吧？ww

lightdogs04/04 16:26從一個玄學進到另一個玄學

kirimaru7304/04 16:27自駕車研究的地獄笑話：

kirimaru7304/04 16:28你是強化學習工程師，請問撞死一個小孩扣多少分？

lightdogs04/04 16:28xddd

csvt3274504/04 16:40硬train一發.jpg

abc736039304/04 16:44這邊是有多少李宏毅老師的學生XD

teps310504/04 16:50用猴子打莎士比亞的概念來看的話，以前的方法就是叫猴

teps310504/04 16:50子自己打英文字母，現在的方法就是把所有莎士比亞出現

teps310504/04 16:50過的英文單字都組合好叫猴子排列組合

danielqwop04/04 16:51電車難題IN AI，想想就好玩，別發生在自己身上的話

Ariadust04/04 17:00光是你這篇文我就有點看不懂了

weltschmerz04/04 17:30類神經的參數就是這樣 多跑幾層 你就不知道那些鬼參

weltschmerz04/04 17:30數是對應什麼物理要素了

TeamFrotress04/04 17:40科普推

j02201504/04 20:29笑死 我開始理解銃夢中行星級AI的恐怖了

chejps310504/04 20:47「前阿法狗時代的圍棋AI有沒有用這種方法來進行估算」

chejps310504/04 20:47，其實蒙地卡羅法拿來下圍棋最早是1993年的Brugman做

chejps310504/04 20:47的Gobble，只是當時硬體沒跟上又沒結合後續包含機器

chejps310504/04 20:47學習在內的演算法，所以成績極爛，爛到好幾年沒人理他

chejps310504/04 20:47，直到2000年Bouzy發表蒙地卡羅下圍棋的論文，而且取

chejps310504/04 20:47得不錯的成績，電腦圍棋界才開始有人投入改良蒙地卡

chejps310504/04 20:47羅法