AI သည် Dota 2 ဂိမ်းတွင် ဟီးရိုးတစ်ဦး သေဆုံးခါနီး ဖြစ်နိုင်ခြေကို ဆုံးဖြတ်ရန် သင်ယူခဲ့သည်။

အဖြစ်အပျက်များစွာကို ၎င်းတို့မဖြစ်ပေါ်မီ ကြိုတင်ခန့်မှန်းနိုင်သည်၊ ဥပမာအားဖြင့်၊ လူကြိုက်များသော MOBA ဂိမ်း Dota 2 ကိုကစားသူတစ်ဦး၏ ဇာတ်ကောင်သည် အားကောင်းသောရန်သူသူရဲကောင်းတစ်ဦးသည် မမြင်နိုင်သောနေရာမှ ချဉ်းကပ်လာပါက မကြာမီသေဆုံးသွားမည်ဖြစ်ကြောင်း သိသာထင်ရှားပါသည်။ သို့သော် လူတစ်ဦးအတွက် သိသာထင်ရှားသောအချက်မှာ ကွန်ပျူတာအတွက် မလွယ်ကူသလို၊ လူတစ်ဦးသည် ဂိမ်းမြေပုံပေါ်တွင် ဖြစ်ပျက်သမျှအားလုံးကို အမြဲလိုက်နာနိုင်မည်မဟုတ်ပေ။ IN ဆောင်းပါး “Time to Die: Dota 2 တွင် Character Deathing Predicting in Dota 5 ကိုအသုံးပြု၍ Deep Learning” ဟု University of York မှ သုတေသီများက လက်တွေ့မဖြစ်ပွားမီ XNUMX စက္ကန့်အတွင်း တိကျမှုမြင့်မားသော ဂိမ်းဇာတ်ကောင်သေဆုံးခါနီးတွင် AI ကို လေ့ကျင့်ပေးနိုင်ပုံကို ဖော်ပြခဲ့သည်။ .

တကယ်တော့၊ ဇာတ်ကောင်တစ်ကောင်ကို ၅ စက္ကန့်အတွင်းသတ်ပစ်မယ်ဆိုတာကို ခန့်မှန်းရတာက ပထမတစ်ချက်ကြည့်ရတာထက် နည်းနည်းပိုခက်ပါတယ်။ ပျမ်းမျှကိုက်ညီမှုတွင် သီးခြားအပိုင်းအစ 5 ပါဝင်ပြီး ဇာတ်ကောင်တစ်ခုစီသည် ဖြစ်နိုင်ချေ 80 (သုတေသီများ၏ တွက်ချက်မှုများအရ) လုပ်ဆောင်ချက်များကို ဒါဇင်ပေါင်းများစွာ လုပ်ဆောင်နိုင်သည်။ ပျမ်းမျှအားဖြင့်၊ မြေပုံပေါ်ရှိ ကစားသမားများသည် တစ်ပွဲလျှင် အပိုင်းတစ်ပိုင်းလျှင် လှုပ်ရှားမှု 000 လုပ်ဆောင်ပြီး ဂိမ်းပြောင်းလဲမှု 170 ကျော် ပြုလုပ်သည်။

အချို့သော သူရဲကောင်းများသည် ကုသနိုင်သော စွမ်းရည်များ ရှိပြီး ကုသခြင်း သို့မဟုတ် တယ်လီပို့ခြင်းအတွက် အထူးပစ္စည်းများလည်း ရှိသောကြောင့် ဇာတ်ကောင်တစ်ဦး၏ ကျန်းမာရေး နိမ့်ကျမှုသည် ၎င်း၏ အမြန်သေဆုံးမှုနှင့် အမြဲတမ်း နီးကပ်စွာ ဆက်စပ်မှု မရှိကြောင်း လေ့လာမှု၏ စာရေးဆရာများက မှတ်သားထားသည်။ ဤအချက်အားလုံးကို ထည့်သွင်းစဉ်းစား၍ အဖွဲ့သည် ယမန်နှစ် ဒီဇင်ဘာ ၅ ရက်အထိ ကစားသည့် ပရော်ဖက်ရှင်နယ်ဂိမ်း ၅,၀၀၀ နှင့် တစ်ပိုင်းတစ်ပိုင်းဂိမ်း ၅,၀၀၀ ပါရှိသော အာရုံကြောကွန်ရက်ကို လေ့ကျင့်ရန်အတွက် Valve မှ ပံ့ပိုးပေးသော Dota 2 ပွဲစဉ်မှတ်တမ်းများကို အသုံးပြုခဲ့သည်။ အမှန်တကယ်လေ့ကျင့်ရေးမစမီ၊ ကစားသမားတစ်ဦးစီအတွက် ပွဲစဉ်များကို အချိန်ဇယားအဖြစ် ပြောင်းလဲကာ ဂိမ်းအချိန်၏ 5000 စက္ကန့်အပိုင်းများသို့ ပိုင်းခြားကာ၊ စကေးပေါ်ရှိ အမှတ်တစ်ခုစီတွင် ဇာတ်ကောင်နှင့် သူ၏ပတ်ဝန်းကျင်ဆိုင်ရာ အချက်အလက်အပြည့်အစုံပါရှိသည့် ဂိမ်းအချိန်ဇယားများအဖြစ် မှတ်တမ်းများကို ကြိုတင်လုပ်ဆောင်ခဲ့သည်။

ဂိမ်းတွင်းအချက်အလက်အားလုံးမှ၊ သုတေသီများသည် ဥပမာအားဖြင့် ဇာတ်ကောင်၏ကျန်းမာရေး၊ mana၊ ခွန်အား၊ လက်စွမ်းနှင့် ဉာဏ်ရည်၊ ၎င်း၏ရရှိနိုင်သည့်အရာများ၊ အဆင်သင့်အသုံးပြုနိုင်သောစွမ်းရည်များ၊ မြေပုံပေါ်ရှိ သူရဲကောင်း၏အနေအထား၊ အနီးဆုံးရန်သူနှင့် မဟာမိတ်များ၏ ခံစစ်မျှော်စင်ဆီသို့ အကွာအဝေးနှင့် အထွေထွေသုံးသပ်ချက်မှတ်တမ်း (ရန်သူကို နောက်ဆုံးတွေ့သည့်အချိန်နှင့် မည်သည့်နေရာတွင် ကစားသည်)။ သုတေသီများညွှန်ပြသည့်အတိုင်း ဤကန့်သတ်ချက်များသည် မဝေးတော့သောအနာဂတ်တွင် ဇာတ်ကောင်တစ်ဦးသေဆုံးခြင်း သို့မဟုတ် အသက်ရှင်ခြင်းရှိမရှိတွင် အဓိကအခန်းကဏ္ဍမှပါဝင်ပြီး မြေပုံပေါ်ရှိအနေအထားနှင့် ပြန်လည်သုံးသပ်မှုသမိုင်းတွင် အရေးပါဆုံးအခန်းကဏ္ဍမှပါဝင်ပါသည်။

“ကစားသမားများ၏ အပြုအမူသည် မကြာသေးမီက အတိတ်အကြောင်း အချက်အလက်များကြောင့် လွှမ်းမိုးနေသည်” ဟု စာတမ်း၏ ပူးတွဲရေးသားသူမှ ရေးသားသည်။ “ဥပမာအားဖြင့်၊ ရန်သူက ရိုးရိုးရှင်းရှင်းပဲဆိုရင်၊ ကစားသမားက သူ့ဧရိယာထဲမှာ တစ်နေရာရာမှာ ရှိနေတယ်ဆိုတာ သိနေသေးတယ်။ အခြားတစ်ဖက်တွင်၊ အကယ်၍ ရန်သူသည် လွန်ခဲ့သော မိနစ်အနည်းငယ်က ပျောက်ကွယ်သွားပါက၊ သူသည် ကစားသမား၏အမြင်မှ မည်သည့်နေရာတွင်မဆို ရှိနေနိုင်သည်။ ဒါက သုံးသပ်ချက်မှတ်တမ်းကို ခွဲခြမ်းစိတ်ဖြာတဲ့ အင်္ဂါရပ်ကို ထည့်ရတဲ့ အကြောင်းရင်းပါပဲ။"

အာရုံကြောကွန်ရက်ကို လေ့ကျင့်ရန်အတွက် သိပ္ပံပညာရှင်များသည် သွင်းအားစု ၂၈၇၀ (ကစားသမား ၁၀ ဦးလျှင် ၂၈၇ ပါရာမီတာ) နှင့် ဒေတာအချက် ၅၇.၆ သန်း၊ အတည်ပြုခြင်းအတွက် ဒေတာ ၁၀ ရာခိုင်နှုန်းနှင့် စမ်းသပ်မှု ၁၀ ​​ရာခိုင်နှုန်းကို သိမ်းဆည်းထားသည်။ ၎င်းတို့၏စမ်းသပ်မှုများတွင်၊ အဖွဲ့သည် ၎င်းတို့သည် ပျမ်းမျှတိကျမှု 2870 ရရှိခဲ့ကြောင်း AI မှ ခန့်မှန်းခိုင်းသည့်အခြေအနေတွင် အသင်းတစ်သင်းမှ ကစားသမားဆယ်ဦး၏ နောက်ငါးစက္ကန့်အတွင်း မည်သည့်သူရဲကောင်းသေဆုံးမည်ကို ခန့်မှန်းနိုင်သည်ကို တွေ့ရှိခဲ့သည်။ ထို့အပြင်၊ သုတေသီများက ၎င်းတို့ကို ဦးတည်စေမည့် အကြောင်းရင်းများနှင့် အခြေအနေအားလုံးကို လေ့လာခြင်းဖြင့် အချိန်ပိုကြီးသည့်အချိန်အတွင်း သေဆုံးမှုများကို ခန့်မှန်းနိုင်ကြောင်း သုတေသီများက ထောက်ပြထားသည်။

၎င်းတို့၏ ချဉ်းကပ်မှုတွင် ကန့်သတ်ချက်များ ရှိသည်ဟု သိပ္ပံပညာရှင်များက မှတ်သားထားပြီး၊ ဆိုလိုသည်မှာ စနစ်သည် ၎င်း၏ ခန့်မှန်းချက်ကို ပြုလုပ်ရန်အတွက် ဂိမ်းတွင်း အချက်အလက် (ရန်သူ ချန်ပီယံများကို မမြင်နိုင်သော ချန်ပီယံများ အပါအဝင်) များစွာ လိုအပ်ပြီး ၎င်းသည် ဗားရှင်းအသစ် ဂိမ်းများနှင့် အပြည့်အဝ သဟဇာတမဖြစ်နိုင်ကြောင်း သိပ္ပံပညာရှင်များက မှတ်သားထားသည်။ သို့သော် ၎င်းတို့ တီထွင်ထားသည့် မော်ဒယ်လ်မှာ ရနိုင်သည်ဟု ယုံကြည်ကြသည်။ GitHub တွင် open sourceပွဲတစ်ခု၏တိုးတက်မှုကို လိုက်ကြည့်သည့်အခါ မှတ်ချက်ပေးသူများနှင့် ကစားသမားများအတွက် အသုံးဝင်နိုင်သည်။

"Esports ဂိမ်းများသည် အလွန်ရှုပ်ထွေးပြီး မြန်နှုန်းမြင့် ဂိမ်းကစားခြင်းကြောင့်၊ ဂိမ်း၏ချိန်ခွင်လျှာသည် စက္ကန့်အနည်းငယ်အတွင်း စာသားအတိုင်း ပြောင်းလဲသွားနိုင်ပြီး ဂိမ်းမြေပုံ၏ ဧရိယာအများအပြားတွင် တစ်ချိန်တည်းတွင် ဖြစ်ရပ်အမျိုးမျိုး ဖြစ်ပေါ်နိုင်သည်။ မှတ်ချက်ပေးသူများ သို့မဟုတ် ကြည့်ရှုသူများသည် ဂိမ်းအတွင်း အရေးကြီးသည့်အခိုက်အတန့်တစ်ခုကို အလွယ်တကူလွဲချော်နိုင်ပြီး ၎င်း၏အကျိုးဆက်များကိုသာ ကြည့်ရှုနိုင်သောကြောင့် ၎င်းတို့သည် အလွန်လျင်မြန်စွာ ဖြစ်ပွားနိုင်သည်” ဟု သုတေသီများက ရေးသားခဲ့သည်။ "တစ်ချိန်တည်းမှာပင်၊ Dota 2 တွင် ရန်သူသူရဲကောင်းတစ်ဦးကို သတ်ဖြတ်ခြင်းသည် မှတ်ချက်ပေးသူများနှင့် ကြည့်ရှုသူများကို စိတ်ဝင်စားစေမည့် အဓိကဖြစ်ရပ်တစ်ခုဖြစ်သည်။"

source: 3dnews.ru