AI+游戏 赛道加速
发布时间：2022-10-13 02:30:27 所属栏目：外闻 来源：互联网
导读： 英国《自然》杂志 以 “矩阵游戏”（ Matrix Games ）为题，将 DeepMind 团队通过游戏训练 AI 发现 矩阵乘法 算法问题作为了封面报道。
D eepMind 的最新研究 探讨
D eepMind 的最新研究 探讨
|
英国《自然》杂志 以 “矩阵游戏”（ Matrix Games ）为题，将 DeepMind 团队通过游戏训练 AI 发现 矩阵乘法 算法问题作为了封面报道。 D eepMind 的最新研究 探讨了现代 AI 技术如何推动新矩阵乘法算法的自动发现 ， 通过名为 “ AlphaTensor ” 的 AI 在游戏中的反复演算解决了 50 年来在数学领域一个悬而未决的问题，找到两个矩阵相乘最快方法。 以此延申，对于更大更复杂的矩阵来说，AI发现算法比许多 SOTA 方法更有效。该研究表明 AI 设计的算法优于人类设计的算法，这是算法发现领域向前迈出的重要一步。DeepMind 同时提出了 AlphaTensor是第一个可用于为矩阵乘法等基本任务发现新颖、高效且可证明正确的算法的人工智能系统。 即使从游戏娱乐的基础属性来看，AI都是行业发展重要的一部分。 无论是单机还是网游，玩家热衷于PVE还是PVP，AI提供的内容交互能力都成为影响当下发展的关键部分。随着行业竞争白热化，玩家对于游戏内容和质量的要求不断提高，对于内容的消耗速度也在不断加速，这对开发团队的持续内容生产能力提出了更高的要求，如肉鸽在内的可重复玩法被广泛采用，这样类似的设计程度提高游戏可重复性的同时，变相降低了生产压力。 而AI对于当下游戏的帮助既体现在游戏设计，也存在于游戏体验。越来越多开发者将之作为生产工具助力，来提升产出效率和节约成本，比如最近越来越多讨论的AI制图，AI根据用户输入的关键词进行搜索、学习、拼接融合成符合要求的内容。另一方面在游戏质量的比拼中，AI也被视作提升游戏沉浸感和代入感关键技术，拟真交互并以此自动演化新的内容和体验是长期存在于畅想中的理想环节，包括元宇宙在内的虚拟世界都离不开AI的添砖加瓦。 AI利用游戏学习训练 算法、数据、算力、场景是AI研究的四大要素。然而，面对算法测试困难、场景及数据稀缺、算力昂贵等问题，并非所有环境都适宜研究AI自我学习。然而游戏行业的快速发展，便捷虚拟环境的提供、大数据的优势，成为当下AI实验的良好土壤。 （编辑：92站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐