简单讲一下我训练AI玩王者的思路

天启raf:
好家伙，AI刚刚能自己打欢乐斗地主，这又能出来打王者了

【回复】这个ai太差了，当然我也理解毕竟是个人开发的不如团队觉悟牛逼，没实际用处。参考学习就可以了 另外说下大佬的斗零我感觉胜率也不行，看了大部分视频都是输多赢少基本上都是说豆子输光了。 斗零实际平均胜率只有55% 想赢豆最少也要80%胜率
【回复】欢乐斗地主，这玩意儿就算赌神来了豆子也能输的精光吧。
蹄垫Official:
人工给ai实时判断操作，觉得犯病就给他扣分，秀了就给他加分。

AI视频小助理:
一、作者去年的AI玩《王者荣耀》的思路，使用了transformer进行推理和处理图片，通过图处理后的图片的向量代替磁向量，使用位置编码进行处理。 00:01 - 我讲一下我去年ai玩王者荣耀的思路 01:12 - 我用的思路是用transformer处理图片序列，经过卷积神经网络处理 03:02 - 我用图处理后的图片的向量代替磁向量，使用位置编码作为词向量 二、一种游戏的组合方法，通过将左下移发起进攻或下移三技能等操作组合在一起，形成一个词向量，从而实现游戏的控制。 04:07 - AI训练思路：组合左下移发起进攻或下移三技能等 04:56 - 只输入一次，网络进行推理，提高效率 08:04 - PP使用泛化优势函数，但存在训练效率问题 三、在训练AI时，必须使用手动数据来操控，否则训练将无法进行。同时，使用概率分布动作和回报模型来训练状态判断模型。 08:11 - 训练AI玩王者需要手动控制数据，不能让AI随机走 08:59 - 用手动数据训练AI会导致评价结果不准确，训练不出结果 11:26 - 训练AI的回报是通过判断状态的神经网络得出，特征明显 四、一个使用Transformer模型的AI游戏训练方法，以及该方法在游戏中的应用和缺陷。同时，还讨论了强化学习和监督学习的不同之处。 12:17 - 使用了Transformer模型，但参数不同，不需要判断回报。 13:19 - 训练模型需要44秒，手动操控最好在时间内击杀。 13:52 - 训练数据中存在好和坏的结果，需要考虑比例问题。 五、作者对于游戏中奖励设计的思考，以及使用神经网络进行训练的方法和注意事项。作者强调了经济的重要性，并提出了一些改进的空间。 16:20 - 梯度下降需要梯度上升，差一个负号的概念 17:07 - 奖励设计问题，高奖励鼓励击杀小兵，经济最重要 19:16 - 通过神经网络判断得到奖励，训练时要注意正反两方面经验对照 --本内容由AI视频小助理生成，关注解锁AI助理，由@pangpangdog 召唤发送

张江妲己:
所以是需要人操作做训练的对吗，不然感觉训练效率感觉很低？

【回复】下载其它主播的录播，然后训练一个一样的模型[歪嘴] 等它挨锤的时候，用锤人现场作比对就知道操作是不是本人了[滑稽]
【回复】毕竟没有人家王者的源码，而且是图像识别。
【回复】回复 @K7815463CG :你真是鬼才
张江妲己:
感觉很厉害，期待大佬以后多多分享[打call]

神之一手杀:
下载巅峰赛各大国服的录像。直接进行国服操作。

幽鸮:
AttributeError: module 'torchtext.data' has no attribute 'Iterator' 这个咋办[笑哭]

kayyyak:
感觉有的像clip多模态呀 把图片弄进去transformer里面

从小可虎了:
把大佬的模型拿出来运行了一遍！[打call]实际结果还是很惊喜的，是一套完整的理论！

强化学习练习生:
使用中文来定义函数和变量看起来也是不错的。