※ 引述《PosetMage (AI魔法师公会长老)》之铭言： : → Mchord: generative model也是BP训练喔 04/14 12:26 : → Mchord: 如何找得到的metric去定义strategy space才是问题 04/14 12:27 : → ddavid: 制作团队不是比玩家难找到平衡，而是不值得花费那个成本 04/16 16:39 : → ddavid: 在处理平衡问题前，最先要理解的是当你系统有一定的复杂性 04/16 16:40 : → ddavid: 後基本上就不用考虑可以完美平衡了 04/16 16:40 : → ddavid: 因为做不到，玩家也未必需要 04/16 16:41 : 玩家未必需要那为甚麽MTG需要禁卡? : RTS不需要平衡的话 那bz在nerf甚麽? 放着就好 你先思考一下，MTG 或 RTS 做完他所谓的平衡後，游戏有平衡了吗？ 没有，他们做到的平衡只到避免极少数套路屠杀为止，只要环境可以保有多种策 略就好，但所谓的「多种策略」事实上相对於整个游戏的元素仍然是少数垄断。 例如 MTG 的赛场上仍然是特定几副套牌的垄断，但只要没有极端到只剩下一两 种套牌可以存活、没有极端到某张除了地牌以外的牌是所有套牌都得放的情况，WotC 就不会再进一步动手封禁了。 LoL 角色那麽多，做得到角色平衡吗？没有，他们的做法是轮流让角色（特别是 好卖钱的新角色）出来透气，实际上仍然有差距极大的强势弱势角色之分，但只要做 到赛场上不会只剩下唯一选择就已经可以接受了。甚至有时还真的有超强的唯一选择 ，但他们还额外设置了 ban角制度来解决。 : → ddavid: 其他有些我以前本版老文章有聊到XD #1CGrc99x 04/16 16:41 : → ddavid: 至於你讲 AI 一堆似是而非的内容，就不一一谈了……XD 04/16 16:44 : 你的文章问题是没有定义什麽是完美的平衡(也没定义平衡) 反而在用乌贼战术打模糊战 : : 你的文章说玩家算不完 算不完又怎样 用期望和机率算就好 : : 很显然你对现代AI完全没有概念 ex: 扑克AI、麻将AI都是在打机率而不是传统决策展开 GTO 是不是奠基於决策展开计算的？AlphaGo 不用展开决策树？不管是 GTO 或 是剥削策略都是奠基於决策展开计算出来的机率期望值，会把机率跟决策分开认为是 两件事，很显然我觉得你要对现代 AI 跟打德扑都重新了解一下。这根本就是相关的 事情。 : 我在这篇就是在定义平衡是 "AI探访过後的Strategy Sapce" : → ddavid: 老实说类神经网路已经可以用相对便宜价格建立到一个程度时 04/16 16:46 : 现在神经网路多半是拿来找方法 ex:AI下棋 AI打星海 : : 都不是拿AI来调整数值做平衡 : : 我在讨论的是用AI做平衡 我已经说了没人这麽做就是因为价值很低： 1. 可能游戏根本不需要那麽平衡，甚至有的游戏本来就是需要有一点动态的不平衡 变化来维持。 例如，LoL 的新英雄强势期。 2. 你在做决策训练的过程中，事实上大多数情况可以同时处理到平衡问题。 例如，围棋 AI 从头到尾都只是训练最佳化下棋的策略，但藉由其结果，却也同 时得到人类对局确实以黑贴六目半是当前最平衡的选择（虽然白略优）。 因为以上两个主要理由，几乎足以涵盖大多数案例，所以相对少有公司直接投资 在直接用 AI 做平衡上。当然学术上往这个方向做也没什麽问题，但要做到分析平衡 能远比用 2 顺便处理到还成本低廉，然後该产品又非常需要这麽平衡的用例是真的 不多。 所以你要说我打模糊仗，那也可以，因为整个业界都在打这个模糊仗XD 不过我是从根本上想质疑你所谓「找发散」这种概念啦，我很鼓励你做个 toy project 来展示一下所谓 找发散 => 做平衡 的因果，不然恕我想像不到你的思路 XD。我甚至对於你「找发散」的数学模型都非常好奇，请务必指教一下。 : → ddavid: ，基因演算法这种口头上演化讲得很有噱头，实质上其实还是 04/16 16:47 : → ddavid: 一种搜寻演算法的东西能使用的范围就已经极度减少了 04/16 16:48 : 我在提就是Backpropagation只能找收敛而非找发散 : : 我本身就是在做AI的(使用演算法到硬体指令做晶片加速都有) 如果你懂AI 欢迎讨论^^ : ※ 编辑: PosetMage (60.115.80.231 日本), 04/17/2023 14:11:30 : 推 cutearia: GA的问题一样是後期收敛时大部分染色体解都相同，不觉 04/25 00:04 : → cutearia: 得效果会比类神经网路好。怎麽把你说的strategy space 04/25 00:04 : → cutearia: 大小转换成reward/fitness来训练可能会有比较直接的效 04/25 00:04 : → cutearia: 果 04/25 00:04 GA 的本质不脱上一代 AI 的搜寻方式，我是不会期待它比起深度学习有普遍性 的更佳表现啦。GA 最大的缺点基本还是在於并没有尝试整合 pattern，在学习规模 相同的情况下，想训练出并储存等量且差异性的学习结果会比深度学习 Cost 更高。 -- 「传说的最後，魔王总是被勇者封印。但勇者会逝去、封印会衰弱，魔王却永远 不灭。传说呢？传说持续着。只是，变质了。所以对於传说而言，只有反覆无常的自 己是主角，而魔王只是配角。勇者？勇者不过是消耗品罢了，封印则什麽也不是。你 好不容易有机会当上配角，怎麽走回头路想成为消耗品？你早晚会什麽也不是的。」 －－星．幻．梦的传说 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.32.30.72 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/GameDesign/M.1685005731.A.83C.html ※ 编辑: ddavid (114.32.30.72 台湾), 05/25/2023 17:32:28