研究人员通过使用AI代理的解谜方法对已知和未知进行博弈
几十年来,化解格斗游戏的努力始终限于化解双人格斗游戏,即方格格斗游戏如象棋、类似象棋的格斗游戏等,透过应用一些人工智慧(AI)搜索控制技术和收集大量的格斗游戏统计数据来正确并有效地预测格斗游戏结果。不过这种的方式和控制技术并不能直接应用于谜题领域,即使谜题一般都是单独玩的双人格斗游戏且有独特的特点如乱数或暗藏关键信息。
因而,这里出现了两个难题,即AI控制技术如何能维持其在化解双人格斗游戏各方面的操控性但又能应用于双人格斗游戏?
多年来,谜团和格斗游戏始终被认为是能交换的或者说是彼此的两个部分。事实上,情形可能并非始终这般。从现实当今世界的角度来看,格斗游戏是我们每晚都要面对的小东西,处理的是未明的小东西。而谜团是指未知的小东西,即使有些小东西是暗藏的还没有被掀开的。那么在谜题的大背景下,谜团和格斗游戏间的边界线是怎样的?
来自日本高级科学控制技术科学研究所的Hiroyuki Iida副教授及其同僚在发表于《Knowledge-based Systems》的最新科学研究文章中试图回答这三个难题。据悉,此项科学研究的重点是三个关键的贡献:(1)透过两栖登陆测试平台表述了双人格斗游戏大背景下的谜团的可边界线值;(2)明确提出了一种新AI全权,其采用三种思路的统一组合——PAFG解乘法表。透过借助两栖登陆谜团的未知关键信息和未明关键信息,所明确提出的解乘法表在化解该谜团各方面取得了跟最先进的科学研究相当的操控性。
科学研究相关人员采用了两个由三个科学知识驱动力思路和三个数据驱动力思路组成的AI全权,进而以最差方式借助当前重大决策的未知和未明关键信息来估计后续最差重大决策。因而,对于像两栖登陆这种的双人乱数谜团能创建起谜团和格斗游戏本体论间的界线。
这种的前提在现实当今世界的难题李将着特别关键的作用,即使在这些难题中,未知和未明间的界线一般来说是模糊且非常难以识别的。Iida副教授指出:随著AI全权提高谜题操控性的能力,可边界线值的边界线变得明显。这种的情形允许明确表述‘谜团’和‘格斗游戏’的前提,一般来说在很多现实生活中的事件,如确认高信用风险投资、评估关键重大决策的信用风险水平等等。
随著现有控制技术和捷伊排序本体论的问世,存在很多不确认因素,如物联网、基于云的服务、边缘排序、神经形态排序等。这种情形对人(即控制技术承受能力)、社区(即控制技术接受程度)、社会(即文化和规范)即使国家层面(即政策和规则变化)都可能是这般。人类每晚的活动都涉及很多‘格斗游戏’和‘谜团’前提。不过,在规模上态射可边界线值本体论,能创建未知和未明间的边界线前提进而使未明的信用风险最优化并使未知的利益最小化,此项科学研究的论文第一作者Chang Liu说道,这种的创举是透过将科学知识驱动力的控制技术、人工智慧控制技术和可衡量的不确认性(如获得胜利率、错误率、工程进度率等)推至高潮,同时仍维持谜团的娱乐性和诱惑力来实现的。(圣埃蒂安德)
相关文章
发表评论
评论列表
- 这篇文章还没有收到评论,赶紧来抢沙发吧~