内容简介：最近在Facebook的F8开发者大会上宣布，ELF OpenGo机器人在赢得了最近与前30名人类玩家对阵的14场比赛后获得了专业地位。 为了解决复杂的游戏问题和AI研究工作的民主化，Facebook的人工智能研究实验室（FAIR）团队...
最近在Facebook的F8开发者大会上宣布，ELF OpenGo机器人在赢得了最近与前30名人类玩家对阵的14场比赛后获得了专业地位。
为了解决复杂的游戏问题和AI研究工作的民主化，Facebook的人工智能研究实验室（FAIR）团队创建了ELF：一个用于游戏研究的广泛，轻量级和灵活的平台。ELF为研究人员提供了在各种游戏环境中测试其算法的机会，包括棋盘游戏，Atari游戏（通过Arcade学习环境）以及定制的实时策略游戏。它运行在支持GPU的笔记本电脑上，也支持在更复杂的游戏环境中训练AI，例如实时策略游戏，一天内仅使用6个CPU和一个GPU。
“我们向DeepMind的朋友们致敬，感谢他们做出了令人敬畏的工作，”Facebook首席技术官Mike Schroepfer说，“但是我们想知道：是否有一些未解决的问题？你还可以将这些 工具 应用于其他领域。“正如Facebook在今天的博客文章中所指出的那样。Facebook还开源了它的机器人。“为了让这项工作对全世界的AI研究人员都具有重现性和可用性，我们创建了一款名为ELF OpenGo的开源 Go 机器人，该机器人的性能足以回答AlphaGo未回答的一些关键问题，”该团队说。
ELF平台嵌入了实时策略引擎和称为Mini-RTS的环境。它的效率很高，就像游戏环境在Macbook Pro上每个核心每秒运行40,000帧一样。
它获得了实时策略游戏的主要动态。这两个玩家都会收集资源，建造设施，探索未知的领土（玩家看不见的地形），并试图控制地图上的区域。
有趣的是，引擎具有促进人工智能研究的特性：完美的保存/加载/重放，完全访问其内部游戏状态，多种内置的基于规则的AI，调试可视化以及人机界面等。简而言之，在Mini-RTS上接受培训的人工智能已经显示出很有希望的结果，70％的时间内击败了内置的AI代理，表明可以训练AI完成任务，并在相对复杂的战略环境中确定优先级。
通过ELF平台，团队正在开展研究，专注于帮助计算机开发处理指数行动空间，长期延迟奖励和不完整信息的方法。
【声明】文章转载自：开源中国社区 [http://www.oschina.net]
以上所述就是小编给大家介绍的《基于开源代码的人工智能机器人 ELF OpenGo 击败顶级人类玩家》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
