以色列的开发者能够教AI打败一个人在决斗

3D环境仍是困难的看法的一个弱形式AI，从而导致计算机问题通过的这些游戏

借助现代视频游戏AI是要教AI技术来克服障碍和解决的问题上去。 例如，员工的DeepMind与暴风雪变的星际争霸II进入学习环境中的较弱形式的AI。 去年，人工智能系统谷歌单独已经掌握了49岁Atari games。

它不有关系统，纳入游戏(如AI对手在打击游戏，足球赛车模拟器或模拟器)，这是众所周知的条款和条件。 AI,其中教开发商的计算机游戏，现在交付等方面与人的条件。 该系统注意到屏幕上的图像，学习方法的试验和误差。 和这个程序能够找到一个解决方案不仅在游戏，这是适当的搜索解决方案在广泛的任务，无论规则或条件。


一群学生从技术大学以色列最近宣布了它的发展，该系统复古的学习环境(游程中)。 是一个软件平台，使你训练AI对于许多游戏的90独立实体，包括那些来到了游戏机的任天堂和世嘉。 这样，例如，许多知名的F-零，德军总部，并决斗. 根据开发者，大赦国际对于许多游戏证明是困难的，有些系统还没有学会如何理解和通过。 但是游程完全了解了如何发挥决斗. 他们的工作成果，专家在文章中指出关于arXiv的。 AI曾多次能够彻底打败敌人。 和这个敌人是不是新的。 文章指出，计算机是反对通过一个经验丰富的球员在决斗中。

在德军总部，在那里积水平，再加上你需要导航的迷宫，并确定对象的数量，系统表现不是非常好的结果。 在水平编辑三游程能够审查技术方面的游戏，其中包括需要消灭的敌人所遇到的后续行动。 但该系统不能表现出更好的结果比一个人播放。 这里有必要提高能力的性质发现的文物。 更多的文物的播放器通行证—越难通过游戏。 计算机很少注意到对象，大大复杂的过程通过。

事实上，该程序能够学习如何发挥的计算机游戏，所以好，是为了赢得人一个不容置疑的价值开发。 对于计算机学习，通过游戏试验和错误没有那么简单，这是一项复杂的任务，克服了一些软件平台。 "如果算法可以发挥复杂的游戏,我们可以开始工作，在执行这种系统在现实世界的解决真正的问题，说："Shai罗森伯格，其中一个作者的研究。 "只是作为一个孩子学习以玩游戏、电脑认为只有屏幕上的信息。 它们(子和计算机)学习，以避免的障碍和解决的问题获得最大的奖励，"他继续。



AI学会玩拳击在Atari，并在决斗，只是"看着屏幕"和评估其行动的后果在游戏中的环境

在现实世界中，能力的计算机系统从自己的错误中学习和预测的后果的某些"行动"可能是有用的，在许多领域。 机器人可以导航的困难空间(走廊的场所，例如)，有很多障碍，没有与他们发生碰撞。 任何细小的错误作了计算机，它们将考虑下一步的时间，同时执行相同或类似的任务。

根据Rosenberg,游程可以学习更加复杂的游戏系统，而不只是来玩游戏了。 下一阶段的项目将开展的游戏平台游戏机。 然而，虽然以色列开发商的重点是关于如何教你的系统来通过的一大部分发展中游戏。 什么电脑学会玩决斗这是良好的，但还不够大多数游戏"落后"的游程，无法了解他们。



结果，通过不同的游戏系统游程利用各种算法进行传递

"在随后的阶段，我们认为这是可能的，甚至是相对容易地适应我们的培训系统，以更复杂的游戏，如汽车大盗"—说的开发。 现在，不幸的是，游戏，如汽车盗窃五AI不—它们太复杂。

源代码，用于系统开发成公开和公布在审查中。 以获得源代码在这里。

资料来源：geektimes.ru/post/282560/