《气愤的小鸟》，一款主流且经典的游戏，自 2009 年以来早已被iTunes了 40 亿次；约是地球上总人口的半数。除此之外，它促成了众多涉及图画小说和书籍，两部电影和四个系列动画剧，更加不用说在智能手机及其他平台上派生出有的无数游戏，甚至是 AR 版本的游戏。(公众号：)录：右图为 AR 版《气愤的小鸟》之《猪岛》现如今，这款风行全球的游戏也受到了来自 AI 的挑战——AI 早已超过了该游戏顶级玩家的同等水平。
本周，Arixiv.org 上公开发表了一篇论文，布拉格查尔斯大学的研究人员详尽讲解了一个叫做 DQ-Birds 的 AI 系统；该系统通过由 Deepmind 首度明确提出的 Deep Q-learning 算法训练，从而在之前随机取样的环境下已完成登录的任务。了解到，一般来说，研究人员在利用 Deep Q-learning 算法训练 AI 系统时，还不会采行 Double Q-learning 的算法；这种算法至关重要，因为它不是用来掌控机器的下一步动作，而是用来评估决策。研究人员在论文中写到：对于人工智能智能体来说，《气愤的小鸟》这款游戏十分棘手，因为它必须考虑到顺序和游戏环境等随机因素，还必须区分多种类别的小鸟，以及它们适当的能力和最佳页面时间。
如果想顺利地已完成任务，人工智能智能体就要不具备提早预测或仿真自己行动的后果。为此，AI 系统不会捕猎游戏图片（为了让游戏物理效果稳定下来，系统在照片前会等候 5 秒钟)，然后对其展开剪裁，并隐蔽“菜单”和“再行玩游戏一次”等 UI 元素。图片经过剪裁后，系统不会调整图片的大小，让它们呈圆形比较统一的规范状态，然后再行传输给 Deep Q-learning 机器学习算法。
得知，为了更为了解地理解自己的模型，该团队还从《气愤的小鸟》中经典的 Poached Eggs 关卡里搜集了 21 个可玩性级别的数据集，其中还包括多达 11.5 万个图片。研究人员报告说道，他们的 AI 系统早已需要在某些级别上多达一个由四名人类专业玩家构成的小组的分数，但在 21 个可玩性级别的分数总和上还是略逊一筹，特别是在是在过 18 级可玩性的关卡时。
除此之外，在 IJCAI（International Joint Conference on Artificial Intelligence，国际人工智能牵头会议）大会举办期间，这个研究团队还携同其 AI 模型参与了气愤的小鸟 AI 竞赛；这场竞赛中，有几个参赛选手的 AI 模型顺利在三个淘汰赛中通过了 8 个此前未曾认识过的关卡，然而，DQ-Birds 系统并没获得胜利，但它顺利通过了其中 3 个关卡，这早已比 2017 年的半决赛水平还要低了。研究人员在报告中说：我们在这项工作中有一个目标没达成协议，那就是 DQ-Birds 系统没几乎打破人类；这有相当大一部分原因在于该系统还缺少充足多样的训练数据集。但好消息时，DQ-Birds 在某些关卡早已能重复使用破关。原创文章，予以许可禁令刊登。
下文闻刊登须知。
本文关键词：开元,开元官方网站,官方网站,利用,Deepmind,的,这项,技术,《
本文来源：开元官方网站-www.taartenvanjansen.com
