我们的专业付出，值得您的永久信赖！为您量身定制，信誉第一！

李世锡和科决战失利后，人类在围棋赛场上已经无法与AI勾结。很多人会说，作为非职业围棋选手，他们不在乎不可缺少的胜利围棋。(威廉莎士比亚，温斯顿，工作)想想看，以后玩游戏也输不了的话。

这件事已经再次发生，还在加快。2017年9月，Open AI的DotA 2游戏人工智能在1V1击败了人类玩家。同年9月，世界第二大3D游戏引擎Unity发布了面向游戏开发人员的开源AI套件Unity Machine Learning Agents(ML-Agents)。名为Unity的开源套件是Unity将机器学习应用于游戏的成果，AI已经附加到各行各业。

那么游戏行业不能取得什么有趣的成果呢？Unite Beijing 2018将于5月11-13日在国家会议中心举行会议。Unity AI与机器学习副总裁Danny Lange分享了ML-Agents的新进展(Public号码：)，并回到了现场。

ML-Agents解释说，对游戏研发Lange来说，机器学习对游戏研发至关重要，要让游戏研发过程变得更简单，让游戏看起来更有吸引力，开发人员不需要对所有方案进行编程，游戏和玩家的对话变化可以由系统自己自学。就像人在环境中感受到感觉并做出反应一样。

ML-Agents可以用完全相同的方式训练这些系统。Lange展示了Demo，未来主义赛车游戏，Demo左边是人类，右边是机器学习的代理人。

刚开始，Agent Conner很差，装在车上的可能性更大，但逐渐自学了人类的操作者，经过大约25分钟的训练后，你可能还是不太大，但会再次爆胎。(大卫亚设，Northern Exposure(美国电视)，)经过大规模的训练，代理人可以对非常好的球员进行编程。

那么，在明确的游戏场景中，机器学习可以应用于很多方面。(威廉莎士比亚、机器学习、机器学习、机器学习、机器学习、机器学习、机器学习、机器学习)第一个是制造NPC。有各种不道德的NPC。

NPC已经自学了很多人类的不道德性，与人类的互动变得更加自然。第二个是游戏本身。AI应该开展自学，优化玩家的体验，而不是优化开发者的体验。

对于玩家来说，不会有更多的个性化和自定义简化的东西。第三个是游戏发布前几乎使用机器测试游戏的其他领域。当代理代表人类玩家开始游戏时，要理解游戏能否顺利进行。

此外，在游戏中，如果人类玩家数量少，则可以用代理人替换人类玩家。最后一个方面是match making。用在机器学习上，你可以找到合适的播放器，一起玩游戏。

让机器学习系统了解如何优化游戏时间，筛选玩家，最大限度地利用游戏时间。(Unity公司设立的网球游戏RL/ML模拟教育环境的例子)ML-Agent教育自动驾驶，机器人从2年前开始就知道，Unity计划从一家显示引擎供应商向网云电子货币服务过渡。

Danny Lange是Unity力量AI领域的幕后推动者，在重新进入Unity之前担任Uber机器学习负责人，以前管理亚马逊和微软的机器学习产品开发。除了游戏，ML-Agents在自动驾驶和机器人领域也很适用于场景。Lange解释说，自动驾驶是ML-Agents相当大的应用领域。

这是因为不需要像Uber一样是实际的道路驾驶员，用机器学习模拟可以防止实际道路测试带来的事故。另一个领域是机器人。通过增强的自学，可以在虚拟环境中训练机器人。可以快速完成数十万次或数百万次的训练。

(大卫亚设，Northern Exposure(美国电视)，)训练有素的模型可以应用到实际的机器人上。ML-Agents还可以应用于建筑设计，例如合理设计地下通道、人流，以及通过机器学习模拟建筑物内路线图的方法。文章相关：构建AI教育基本平台！Unity销售机器学习代理AI副总裁Danny Lange:如何使用AI推动游戏产业？| ACMMM 2017原创文章，发布许可禁令。

下面，我们来听一下关于刊登的注意事项。

本文来源：冰球突破游戏网站-www.yoursupport-fund.com