在下关注General Staff WarGame System这款电子兵棋游戏已经有好几年了，游戏主要聚焦的时代线是“18、19世纪的黑火药时代”的陆地战场（作者承诺将来会有开发古代和现代题材的计划）该游戏分成四个子系统：分别是（1）游戏主程序，（2）地图编辑器，（3）军队编辑器组成，（4）战役编辑器组成，理论上可以通过这套系统模拟任何18、19世纪的陆地战场。作者Ezra Sidran博士拥有依阿华大学的电脑工程师学位，他的主攻方向是具有即时学习能力的AI开发，这款游戏就是他计划将自己迄今为止的研究成果付诸实施的野心之作，而游戏中具有即时学习能力的AI是此款游戏的最大特色。从目前的几篇开发日志看来他为这款游戏所开发的AI（MATE）已经具有了接近人类思考水平的战场分析和决策能力，作者表示这款游戏将会在今年发售，随着这款游戏的发售，它会成为目前业界人工智能的“天花板”吗？让我们共同期待吧。有兴趣的朋友们可以通过以下链接关注他发布的开发日志： General Staff | The Game of Military Tactics (general-staff.com)
3 个赞
人工智能还有一个应用领域是，辅助决策——AI 参谋。不论是玩游戏还是真打仗。
1 个赞
期待发布啊，就冲这美工也行。
2 个赞
之前的围棋象棋这样的高度抽象棋类游戏都是训练好AI之后来和玩家对弈，好奇他这个即时学习能力的实际应用效果如何
作者最近的几篇开发日志都在阐述AI的战场分析和决策逻辑，虽然我不懂编程，但是游戏中的这套逻辑似乎能对对手军队的阵型，兵种配置，战略要地，侧翼迂回和地形等诸多方面进行分析，这种分析的深度似乎已经接近人类思考的水平，更加神奇的是这个AI甚至能够从新设计的战役行动中学习新的应对策略。目前光从这几篇日志上看是比较令人惊讶的！但是游戏目前还没有放出游戏视频，所以不禁让人怀疑如此神奇的游戏是不是真实存在的，还是一个诱人的“骗局”？我个人认为实在是目前电子兵棋界最令人瞩目的事件了。
视频有一些的，你可以去网上找找，这个作者就是动作很慢，做出来的话应该是一个很有意思的游戏。
1 个赞
那些视频都是三四年之前的，且都是一些类似定格动画般的解说视频，今年年初据作者说游戏的大部分功能开发工作接近完成，现在新雇了一个人要将目前的游戏移植入虚幻引擎里去。可是至今都没有看到作者放出的实际游戏运行视频，有人问过他，他说他已经买了录屏软件打算做了，但是看他的开发进度不知道要等到何时了？。。。一起期待吧。
General Staff WarGame System开发日志今日更新了，其中叙述了人工智能是如何在进攻和防御过程中运作的，AI会根据战场形势和地形对敌我力量投射的范围和战场“阻塞点”和“要地”进行分析，并对最佳进攻路线和防御点展开动态的争夺，这种水平的人工智能目前在游戏界可以说是前无古人的，以下是开发日志的链接，有兴趣的朋友们可以参看。
Schwerpunkt: Calculating the Optimal Point of Attack | General Staff (general-staff.com)
强化学习，本来就适用于这种纯粹封闭的环境（纯粹封闭的意思是：所有的一切，包括游戏规则、游戏操作，游戏结果都在信息系统里封闭产生，不与真实世界发生联系），这种对弈类的人工智能不能算什么终极智能。
那些其实也是强化学习的，只不过有一个预训练，然后不断在对战中学习。
话说回来，这个游戏也必须预训练的，哪有不经过预训练就能跑的模型。
我完全同意你的观点，只是这个游戏有一个很可怕的地方就是“开放性”，换句话说它是一套开放给玩家们的工具，随着玩家制作的剧本越来越多，人们会发现这个名为“MATE”的AI会变得越来越强大，它会不断地在这套系统里学习新的战法，并把已经学会的战法应用到新的战役中，并对玩家的行动作出相应的反应。不过话说回来，一切到底如何还要等游戏真正发布之后才能够知道。此外，关于这款游戏的AI智能化程度的一篇日志请参看以下链接： Why Machines May Kill Us In Our Sleep | General Staff (general-staff.com)
强化学习算法的能力和剧本规则是分开的，不会因为剧本更多而更强大，只能说剧本多了导致玩的人多了，可能ai会训练得更好一点。
对，你说的“预训练”和“强化学习算法的能力”或许可以更好地诠释这款游戏的“AI”发展的逻辑，不过就我目前读过的他的几篇开发日志来看，目前似乎还没有一款游戏能在“AI”方面比他走得更深更远，作者Ezra Sidran的博士研究方向是“计算军事推理——用于战术和战略决策的人工智能”，他的博士论文《TIGER:无监督机器学习战术推理生成器》是他研究的内容，这款游戏就是他打算将他的研究成果付诸现实的实践。而他最新的一篇开发日志就阐述了这款游戏的人工智能决策核心“TIGER”是如何运作的。请参看日志链接如下： General Staff | The Game of Military Tactics (general-staff.com)
他这里面没有写强化学习的内容，写的还是它的规则设计，只要是有规则而不是仿真，本质上就和alphago一个方向，之前没有人把这套东西用在军事战棋。
对不起，之前那个链接我贴错了，请参看这一篇，或许能将他的人工智能决策核心“TIGER”是如何运作的阐述得更加详细： A Human-Level Intelligence at Gettysburg, Day 3 | General Staff (general-staff.com)
有意思的是相关的几篇日志还将人工智能的决策和历史上的将领当时的决策进行了对比，看来还是蛮有意思的。
1 个赞
这个也是规则不是算法。没关系，实际上好的强化学习算法应该可以用在不同的游戏上，就像星际
在阅读了作者的一篇关于说明“TIGER”是什么和它是如何运作的名为《TIGER: AN UNSUPERVISED MACHINE LEARNING TACTICAL INFERENCE GENERATOR 》的文章，里面详细描述了TIGER的的确确是一套能对玩家行动做出实时反应的“算法”，文中提到“TIGER研究战场过程的概述。主题专家(简称sme)参与了整个过程，双方都进行了识别分类的重要属性，验证生成的值并通过算法对最终分类结果进行验证。”附上该文章的链接： Microsoft Word - ThesisWithSignatures.docx (riverviewai.com) 感谢你耐心的回复，我相信共同的探讨能够加深我们对于这款开发中的游戏的认识，不当之处敬请指出，谢谢！
AI有的时候缺少一种“犯傻”的机制，他很难模拟真人对战中一些阴差阳错，而如果一直遵守的是一种所谓的必胜算法，又会让游戏陷入一个比拼概率的怪圈，我认为ai还是无法代替真人
1 个赞
所以我一直觉得各类随机事件的引入很重要，因为能在一定程度上避免对局变成单纯的算力比拼。