這篇文章,騰訊工程師介紹了深度學習在遊戲中的應用。
AI這個議題,雖然很早以前就已經提出,但真正火的是在圍棋大殺四方之後。最近雖然有些沉澱,產業界對於AI的用法與探索一直沒停下腳步。
這篇文章的第一章:「什麼是深度強化學習」。對有些人來說可能有點不太理解,我簡單說明一下概念。
假設我想要訓練AI自動玩一個簡單的對戰PK遊戲。
1)確認要玩好一個遊戲的目標:譬如三星過關。
2)確認過關所需要的參數有哪些,給予不同參數權重:譬如移動、攻擊、防禦時機等等。
3)匯入大量的過關卡的數據。
4)有些數據不會過關,有些數據會過關,在這個過程中AI會調整參數的權重,影響過關的權重就會調高,不影響的就會調低。
5)最終AI慢慢試錯學習不同的權重組合,達到100%過關。
而在這篇文章中,作者提到了騰訊正使用AI來完善以下幾個方向,甚至已經放到QQ飛車(極速領域)等遊戲測試:
●BOT AI。譬如《極速領域》賽車的對手NPC。
●Procedural Content Generation (PCG) 自動化的生成遊戲內容。
●角色動畫。
●遊戲內推薦購買商品。
●最適合的廣告推薦組合。
●智能客服。
--
就營運角度來說,這些都是很重要的發展。
以BOT AI來說,傳統的做法是幫NPC寫腳本。但開發者不太可能寫出幾千種的腳本,因此玩家在遊戲過程中很容易摸索出NPC的行為而感到疲乏。
譬如射擊遊戲,AI對手常常被玩家詬病太過僵硬與呆版,但很多新手玩家卻又打不贏老手而流失。如果AI對手能仿造正常玩家的動作,又能針對每個玩家的能力提供適度的"挑戰"(譬如每場KD值目標為70%),那營運商就不用一直導入大量的真人玩家,以維持健康的競爭環境。
PCG則能協助開發商擺脫持續產出內容的惡夢。最近流行的Roguelike玩法,也是藉由變化的遊戲內容,降低開發商對於後續版本開發的壓力。
角色動畫這點的發展則挺讓我驚艷的。所有的AI訓練都要想辦法找到"誤差值",也就是「行為結果與正確結果的差異」。如果光從Youtube的影片中,就能協助AI動畫進行學習,那就能減少使用動態捕捉獲得數據的高門檻,加快AI的訓練發展進程。
遊戲內推薦購買商品這個就不用說了,簡直是營運的夢想。玩家隨著遊戲進程往往有不同需求,但活動只能提供一套一直是最困擾的問題之一。都已經LV100口袋滿滿還看到商城的小體力丹只能讓玩家吐血,AI推薦也許能真正做到遊戲電子商務化。
至於文中所說的最適合廣告訊息推薦組合嘛....容我吐槽一下,只有在中國家大業大等於你家的騰訊才能做到吧XD,微信、QQ、WeGame、包含支付這種遊戲生態鏈共屬一家的狀況實在太獨特。不過現在的確很多休閒小遊戲廠商的線上廣告導入,都號稱有使用AI來找出最佳組合。不可否認也是未來的方向。
--
如果觀察AI對於營運或研發的發展走向,我認為是「極度客製化」。亦即作到每個玩家的遊戲關卡、對戰對手、商品清單,都完全符合並且客製化其難度。
不過這些方向都比較偏向單一玩家的需求。當把玩家與玩家之間的關係,團體與團體之間的關係考量進去,「客製化」與「公平規則」之間的權衡,應該是人類需要代替AI去思考的課題。
希望我們未來都能好好使用這些AI,而不是被它們所取代。
#AI
#遊戲AI
#No51
「kd參數調整」的推薦目錄:
- 關於kd參數調整 在 飛鳥涼不涼的遊戲營運觀察小站 Facebook 的最佳貼文
- 關於kd參數調整 在 Mr. Market 市場先生 Facebook 的最佳貼文
- 關於kd參數調整 在 kd參數調整在PTT/mobile01評價與討論 的評價
- 關於kd參數調整 在 kd參數調整在PTT/mobile01評價與討論 的評價
- 關於kd參數調整 在 2021_08_07 (教學) 如何調整技術指標的參數設定? - YouTube 的評價
- 關於kd參數調整 在 三竹資訊- 【#常見問題懶人包】#技術線圖功能小教室2 小編又 ... 的評價
- 關於kd參數調整 在 macd參數調整2022-在Facebook/IG/Youtube上的焦點新聞和 ... 的評價
- 關於kd參數調整 在 macd參數調整2022-在Facebook/IG/Youtube上的焦點新聞和 ... 的評價
- 關於kd參數調整 在 kd參數設定30的推薦與評價,PTT、MOBILE01 - 最新趨勢觀測站 的評價
- 關於kd參數調整 在 kd參數設定30的推薦與評價,PTT、MOBILE01 - 最新趨勢觀測站 的評價
- 關於kd參數調整 在 想請教一個很菜的問題關於MACD參數設定 - Mobile01 的評價
kd參數調整 在 Mr. Market 市場先生 Facebook 的最佳貼文
《策略三個層次:架構、進出場點、濾網》
「是否值得買進?」
「什麼時候買進?」
這是兩個完全不同層次的問題。但大多時候被當成同一件事情在處理。
舉個簡單的例子:
「周KD>80」「日KD<30」
是買進時機?
但這兩者並非同一件事情。
事實上,
周KD(長期強勢)判斷是否值得買進,
日KD(短期回檔)判斷才是判斷買進的確切時機。
好像還少了些什麼。
因為在這之前隱藏了一個假設,
「假設價格序列存在某種規律性。」
在這個例子中,是"假設強者恆強"的價格規律性。
這個假設的重要性在於,它是判斷這個策略未來是否有效的重要依據。若未來的價格序列因為某些原因,失去強者恆強的特質時,使用的資料或指標必須足以辨識這種現象...凡事都要從最壞的開始打算起。
當周KD是作為市場價格序列規律的假說時,它就是一種「架構」
【架構】 setups
用作判斷是否進出場與方向的準則,但通常無法辨識進出場點。這準則通常包含:
1.極端現象
2.市場規則
3.市場基本價值
當然,這都不是100%掛保證,因為資料多是落後且不保證正確的,它對未來當然有一定的預測能力,只是沒你我想像的那麼高。儘管如此,也足夠我們取得在市場中的優勢了。
再舉另一個反差的例子:
「5年平均現金股利>2元」「月營收連3月成長」
...然後就買進?
顯然,你不會把公布股利或公佈營收的那天當作進出場點。
並不是因為時間架構太長不適合當作進出場點(如果你的交易是以年為單位或許可以考慮),
這些基本面資訊,只是用來判斷「是否適合進場買進?」的架構,但卻不包含「是否是買進時機?」,也許是一天後、十天後、一個月後,顯然,它可能需要另一種方法來判斷進出場點。
【進出場點】
進出場點的意義有二,
一是時效性,架構只根據價格或其他資料,提供了適當的進出場判斷,但大多時候並沒有包含時效性。許多架構使用一年一次或一季一次的資料,顯然不適合拿來做為進出場時機的判斷。
這也是有些時候進出場點被認為不重要的原因,有些人甚至主張隨機進場,因為如果架構時間週期太長,那顯然進出場點就幾乎難以對績效有所影響。反之而越短的時間週期下進出場點的意義就越重要。
二是與市場行為相互印證,你的架構並非隨時都是非常準確有效,但當它有效時,市場同時也會做出相應的走勢。許多順逆勢策略就是建立在這類假設上,舉例來說,想漲到500日高點的個股,必須得先經過100日新高。當然,這初步走勢也可能只是假象,不必過分樂觀。
【濾網】
是用來避免進出場訊號過於頻繁(實際上架構也有這功能,但用架構當濾網是倒果為因的想法),或者篩選過多雜訊的進出場點。
架構跟濾網很像,差別在於,濾網通常使用與進出場點同樣的資料(因為要過濾進出場點),而架構則可能包含各種各樣的資料(例如基本面資料、籌碼資料、價格波動資料等等)。
-\-\-
實際上,架構、進出場點、濾網都只是整個交易系統的一小部分,尤其是進出場點和濾網某些架構下甚至用不著,它對績效的影響程度並沒有一般人想像的那麼高。
架構是個很容易判斷,容易建立,也常常在書上看到的東西,但一般來說它會被誤當成進出場點用,以至於讓人忽略進出場點的存在。
它的內容對整體績效影響不大,但它的有無以及完整性則有巨大的影響,而且是一般大多數人欠缺考量的。
也有些人容易本末倒置,認為進出場點決定了一切,因此重複嘗試著不同的濾網和進出場點的條件與參數,許多過度最佳化的鬼故事就是這樣來的,其實一個已經存在架構了進出場點參數,是不大需要做調整的。
將架構當成進出場點或三者混再一起當成同一件事,只會造成系統的不客觀以及難以實際運行。它無法判斷是否有效或評估退場機制、沒辦法適應市場改變,只因為沒有區別出架構。
下次將分別細說架構與進出場點的內容。
延伸閱讀:
《風險管理和資金管理的差異》http://ppt.cc/Z4Ir
《如何發展策略?》 http://ppt.cc/l-7z
《談回測-退場機制》http://ppt.cc/M-dL
kd參數調整 在 kd參數調整在PTT/mobile01評價與討論 的推薦與評價
kd參數設定在PTT/mobile01評價與討論, 提供快速KD參數、kd參數調整、進階kd設定就來披薩評價推薦資訊集合站,有最完整kd參數設定體驗分享訊息. ... <看更多>
kd參數調整 在 2021_08_07 (教學) 如何調整技術指標的參數設定? - YouTube 的推薦與評價
![影片讀取中](/images/youtube.png)
1.技術分析的五日均線代表什麼? 2.日K線的5MA 以及5分鐘K線的5MA有一樣嗎?如何 調整 提昇績效?3. KD 指標為何會鈍化? 會鈍化為何還會有那麼多人用? ... <看更多>
kd參數調整 在 kd參數調整在PTT/mobile01評價與討論 的推薦與評價
kd參數設定在PTT/mobile01評價與討論, 提供快速KD參數、kd參數調整、進階kd設定就來披薩評價推薦資訊集合站,有最完整kd參數設定體驗分享訊息. ... <看更多>