可以做一个CS:去机器学习人工智能吗？

Question

我不是机器学习、神经网络或整洁方面的专家。事实上，我可能根本不知道我在说什么。我的问题是，如果你能做出一个学习人工智能，学会玩复杂的多人游戏，并可能超越人类。如果可能的话，你还能推荐一种或几种语言来使这个人工智能吗？(我知道我可能得拿一个VACation来做机器人，但我觉得我们应该试一试。)

Answer 1

答案是肯定的：

一个神经网络在DOTA中超越人类玩家的示例。关于哪种神经网络，我还没有找到多少，但是下面是关于OpenAI 网站的内容。如果您是初学者，可以使用Python和Keras (一个神经网络库)学习神经网络中的一些基本架构和设计原则。

Answer 2

我的两分钱-是的，绝对可以做到。

我能想到的第一个例子就是在机器上下棋。

但我可能错了。让我们等待其他专家的回应。

Answer 3

问题不在于能否做到这一点。问题是你会如何培养这样的模式？

如果你阅读诸如Alpha Go之类的东西的白皮书，那么这些模型只是在庞大的硬件上运行的强化学习。既然Alpha Go得到了谷歌的支持，他们就不需要建立一个简单的模型，然后让它去玩1000万个游戏(或者其他什么游戏)，因为它可以在很短的时间内做到这一点(而且比任何人都能实现的游戏多得多)。另外，Go的直截了当的性质使它很容易编写软件，模拟一个游戏。

因此，您必须考虑您的模型(任何模型)如何能够以自动化的方式复制这种类型的学习。是否有CS:GO的数学表示，您可以用它来输入模型？你有办法让你的模型自动玩一堆这样的游戏，这样它就可以从自己的动作中吸取教训了吗？您必须以一种有意义的方式回答这两个问题，以验证是否有一条前进的道路。