Давно уже интересуюсь таким явлением как искусственый интелект, в частности в играх. В каких играх, по вашему мнению, самый продвинутый ИИ, в чем это выражается.
Хотя по сути все ИИ - это обычные скрипты, только высокой сложности.
Нет, есть конечно и нейронные сети, и конечные автоматы, но игр с применением этих технологий мне еще не встречалось. Единственно в FEAR что-то похожее на конечные автоматы, но сложным назвать этот ИИ будет не справедливо. Скорее какой-бы тупой небыл АИ у Обливиона, но в плане реализации, он на порядок выше ФИАРА. Теперь жду Готику3, интересно посмотреть, какие инновации в этой области в ней будут реализованы.
Полная версия: Искусственный интеллект в играх
FEAR
ті хто грали зрозуміють
ті хто грали зрозуміють
Да, безусловно самый жирный ИИ у FEAR, ни до него ни после ничего подобного я не видел.
Не буду оригинальным, если скажу что ФИАР рулит. Это действительно первый адеквватно реализованный ИИ. ИИ, с которым интересно играть.
To: Metatron
Не только интересно, но и сложно Вначале, я с непривычки с трудом играл... Это уже потом я перестал ждать от них привычной ботовской тупости 
Не только интересно, но и сложно
Вначале, я с непривычки с трудом играл... Это уже потом я перестал ждать от них привычной ботовской тупости
Что вы заладили FEAR да FEAR? Самый лучший ИИ в онлайн играх
o_O в онлайн? 
например?
например?
To: PowerTrip
Видно намека ты не понял Онлайн ИИ это имеется ввиду живые оппоненты
ЗЫ: Слейер, я правильно понял ход мысли?
Видно намека ты не понял
Онлайн ИИ это имеется ввиду живые оппоненты ЗЫ: Слейер, я правильно понял ход мысли?
Кстати, что там с новыми играми? Какие впечатления от ИИ в Готике3? Очень интересно смогут ли в ближайшее время переплюнуть Монолитовский F.E.A.R.?
QUOTE
есть конечно и нейронные сети
да ну? интересно, где?
To: offline
Отчего такая ирония? Или ты считаешь, что реализовать НС в играх невозможно? Или ты не знаешь что такое НС? Учи матчасть, однако...
QUOTE
да ну?
Отчего такая ирония? Или ты считаешь, что реализовать НС в играх невозможно? Или ты не знаешь что такое НС? Учи матчасть, однако...
To: ARSnake
во-первых, я попросил привести примеры. во-вторых, на данный момент ученые не могут создать искуственный нейрон, такшта это все в теории. поэтому реализовать нс в играх можно, но не сегодня и не завтра
во-первых, я попросил привести примеры. во-вторых, на данный момент ученые не могут создать искуственный нейрон, такшта это все в теории. поэтому реализовать нс в играх можно, но не сегодня и не завтра
To: offline
Улыбнул
Потвойму как электронными приборами вычисляются отпечатки пальцев, распознавание текста??? А?
Нейронные сети могут быть реализованы двумя путями: первый - это программная модель нейронной сети, второй - аппаратная реализация. На современном рынке изделия, основанные на использовании механизма действия нейронных сетей, первоначально появились в виде нейроплат. В качестве типичного примера нейроплаты можно назвать плату МВ 86232 японской фирмы Fujitsu. На плате размещены процессор цифровой обработки сигналов и оперативная память емкостью 4 Мбайт, что позволяет использовать такую плату для реализации нейронных сетей, содержащих до тысячи нейронов. Есть и более совершенные платы.
Вот несколько примеров где используются НС
Банки и страховые компании:
- автоматическое считывание чеков и финансовых
документов
- проверка достоверности подписей
- оценка риска для займов
- прогнозирование изменений экономических показателей
Административное обслуживание:
- автоматическое считывание документов
- автоматическое распознавание штриховых кодов
Нефтяная и химическая промышленность:
- анализ геологической информации
- идентификация неисправностей оборудования
- разведка залежей минералов по данным
аэрофотосъемок
- анализ составов примесей
- управление процессами
Военная промышленность и аэронавтика:
- обработка звуковых сигналов (разделение,
идентификация, локализация, устранение шума,
интерпретация)
- обработка радарных сигналов (распознавание
целей, идентификация и локализация источников)
- обработка инфракрасных сигналов (локализация)
- обобщение информации
- автоматическое пилотирование
Промышленное производство:
- управление манипуляторами
- управление качеством
- управление процессами
- обнаружение неисправностей
- адаптивная робототехника
- управление голосом
Служба безопасности:
- распознавание лиц, голосов, отпечатков пальцев
Биомедицинская промышленность:
- анализ рентгенограмм
- обнаружение отклонений в электрокардиограммах
Телевидение и связь:
- адаптивное управление сетью связи
- сжатие и восстановление изображений
Теперь по играм.
На данном этапе развития НС, её можно обучать только по опреденному вектору. Тоесть сеть может самообучаться только в одном направление. Из не слишком известных игр это серия Creatures. А так Black and White. Даже в FEAR использовали GOAP, это конечно не чистая НС, тем не менее, в его основе лежит топология Искуственных нейронов.
Что тебе еще нужно? Хочешь программы? Исходники? Библиотеки? Больше теории? Все есть
QUOTE
во-вторых, на данный момент ученые не могут создать искуственный нейрон, такшта это все в теории.
Улыбнул
Потвойму как электронными приборами вычисляются отпечатки пальцев, распознавание текста??? А?
QUOTE
Теоретические основы нейроматематики были заложены в начале 40-х годов прошлого века. В 1943 году У.Маккалох и его ученик У.Питтс сформулировали основные положения теории деятельности головного мозга. Ими были получены следующие результаты. Во-первых, разработана модель нейрона как простейшего процессорного элемента, выполняющего вычисление переходной функции от скалярного произведения вектора входных сигналов и вектора весовых коэффициентов. Во-вторых, предложена конструкция сети таких элементов для выполнения логических и арифметических операций. В-третьих, сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию.
Несмотря на то, что за прошедшие годы нейроматематика ушла далеко вперед, многие утверждения Маккалоха остаются актуальными и поныне. В частности, при большом разнообразии моделей нейронов принцип их действия, заложенный Макклохом и Питтсом, остается неизменным.
Недостатком данной модели является сама модель нейрона - "пороговый" вид переходной функции. В формализме У.Маккалоха и У.Питтса нейроны имеют состояния 0 или 1 и пороговую логику перехода из состояния в состояние. Каждый нейрон в сети определяет взвешенную сумму состояний всех других нейронов и сравнивает ее с порогом, чтобы определить свое собственное состояние. Пороговый вид функции не предоставляет нейронной сети достаточную гибкость при обучении и настройке на заданную задачу. Если значение вычисленного скалярного произведения даже незначительно не достигает до заданного порога, то выходной сигнал не формируется. Это значит, что теряется интенсивность выходного сигнала (аксона) данного нейрона и, следовательно, формируется невысокое значение уровня на взвешенных входах в следующем слое нейронов.
Серьезное развитие нейрокибернетика получила в работах американского нейрофизиолога Френсиса Розенблата (Корнельский университет). В 1958 году он предложил свою модель нейронной сети. Розенблат ввел в модель Маккаллока и Питтса способность связей к модификации, что сделало ее обучаемой. Эта модель была названа персептроном. Первоначально персептрон представлял собой однослойную структуру с жесткой пороговой функцией процессорного элемента и бинарными или многозначными входами. Первые персептроны были способны распознавать некоторые буквы латинского алфавита. Впоследствии модель персептрона была значительно усовершенствована.
Несмотря на то, что за прошедшие годы нейроматематика ушла далеко вперед, многие утверждения Маккалоха остаются актуальными и поныне. В частности, при большом разнообразии моделей нейронов принцип их действия, заложенный Макклохом и Питтсом, остается неизменным.
Недостатком данной модели является сама модель нейрона - "пороговый" вид переходной функции. В формализме У.Маккалоха и У.Питтса нейроны имеют состояния 0 или 1 и пороговую логику перехода из состояния в состояние. Каждый нейрон в сети определяет взвешенную сумму состояний всех других нейронов и сравнивает ее с порогом, чтобы определить свое собственное состояние. Пороговый вид функции не предоставляет нейронной сети достаточную гибкость при обучении и настройке на заданную задачу. Если значение вычисленного скалярного произведения даже незначительно не достигает до заданного порога, то выходной сигнал не формируется. Это значит, что теряется интенсивность выходного сигнала (аксона) данного нейрона и, следовательно, формируется невысокое значение уровня на взвешенных входах в следующем слое нейронов.
Серьезное развитие нейрокибернетика получила в работах американского нейрофизиолога Френсиса Розенблата (Корнельский университет). В 1958 году он предложил свою модель нейронной сети. Розенблат ввел в модель Маккаллока и Питтса способность связей к модификации, что сделало ее обучаемой. Эта модель была названа персептроном. Первоначально персептрон представлял собой однослойную структуру с жесткой пороговой функцией процессорного элемента и бинарными или многозначными входами. Первые персептроны были способны распознавать некоторые буквы латинского алфавита. Впоследствии модель персептрона была значительно усовершенствована.
Нейронные сети могут быть реализованы двумя путями: первый - это программная модель нейронной сети, второй - аппаратная реализация. На современном рынке изделия, основанные на использовании механизма действия нейронных сетей, первоначально появились в виде нейроплат. В качестве типичного примера нейроплаты можно назвать плату МВ 86232 японской фирмы Fujitsu. На плате размещены процессор цифровой обработки сигналов и оперативная память емкостью 4 Мбайт, что позволяет использовать такую плату для реализации нейронных сетей, содержащих до тысячи нейронов. Есть и более совершенные платы.
Вот несколько
примеров где используются НСБанки и страховые компании:
- автоматическое считывание чеков и финансовых
документов
- проверка достоверности подписей
- оценка риска для займов
- прогнозирование изменений экономических показателей
Административное обслуживание:
- автоматическое считывание документов
- автоматическое распознавание штриховых кодов
Нефтяная и химическая промышленность:
- анализ геологической информации
- идентификация неисправностей оборудования
- разведка залежей минералов по данным
аэрофотосъемок
- анализ составов примесей
- управление процессами
Военная промышленность и аэронавтика:
- обработка звуковых сигналов (разделение,
идентификация, локализация, устранение шума,
интерпретация)
- обработка радарных сигналов (распознавание
целей, идентификация и локализация источников)
- обработка инфракрасных сигналов (локализация)
- обобщение информации
- автоматическое пилотирование
Промышленное производство:
- управление манипуляторами
- управление качеством
- управление процессами
- обнаружение неисправностей
- адаптивная робототехника
- управление голосом
Служба безопасности:
- распознавание лиц, голосов, отпечатков пальцев
Биомедицинская промышленность:
- анализ рентгенограмм
- обнаружение отклонений в электрокардиограммах
Телевидение и связь:
- адаптивное управление сетью связи
- сжатие и восстановление изображений
Теперь по играм.
На данном этапе развития НС, её можно обучать только по опреденному вектору. Тоесть сеть может самообучаться только в одном направление. Из не слишком известных игр это серия Creatures. А так Black and White. Даже в FEAR использовали GOAP, это конечно не чистая НС, тем не менее, в его основе лежит топология Искуственных нейронов.
Что тебе еще нужно? Хочешь программы? Исходники? Библиотеки? Больше теории? Все есть
круто, оказывается я отстал от прогресса. спасеба
самый жирный ИИ был только в Флешпоинте.
Это облегченная версия страниц форума. Для того, чтобы посмотреть оригинальные страницы зайдите, пожалуйста сюда.