关于人工智能错误算法的认识 改正及思考

发表于2023-10-17
评论105 3.4w浏览


经过我今年对深度学习 机器学习的研究发现 其算法是错误的 
计算机是一台以指令为单位的机器 它是不会学习的 所以没有学习算法一说 那是没有认清计算机的本质 学习是人才有的行为 机器怎么会学习吗 它只有指令啊 经过研究发现我们常说的人工智能 主要是如下四个函数构成的 下面我以常见的游戏AI为例讲解其实现 由于已有多年未碰编程 这里只给出大致算法 
在游戏中 当角色或者NPC看/听到什么的时候 就开始学习过程 如何学习呢 其实所有的学习都是从理解开始的 下面给出Understand()函数 
int Understand(string type, string action, string p1, string p2) 
{  
   string memory; 
   switch(type) 
   {  
       case 'walk' 
       memory=Walk(action,p1,p2);  // Walk()函数根据词典定义及参数p1, p2解释action并将相应的字符串写入memory 
       break; 
       case 'run' 
       memory=Run(action,p1,p2); 
       break; 
       case 'fight' 
       memory=Fight(action,p1,p2); 
       break; 
       case 'look' 
       memory=Look(action,p1,p2);  // 比如看这个行为 Understand()函数会把它解释成使视线接触人或事物 并把记忆记在数据库里 
                                                       // 实际上人在想看东西的时候 检索记忆也是找到上面的解释并做出相应的行为的 
       break; 
       ...... 
       各种人的行为的函数  // 这里要注意的是行为的归类一定要仔细不要冗余 比如躺和侧躺是一类不能归为2类 我个人估算25个行为左右已经有很好 
                                       // 的人工智能70个基本上完美 这个时候Understand才两三百行 对游戏来说是个微不足道的小函数 
                                       // 要特别指出的是像跳绳 踢毽子等应该归属于一类Playing()玩游戏 
       break; 
    } 
   Remember(action, memory);  // 记忆理解所得的结果即把原始记忆和理解得出的记忆写入数据库 如表hero/NPC

第二个函数是Study() 人要认识世界就要各种学习 理解了就学习了 所以 
bool Study(string action) 
{  
   action=Look()/action=Listen();  // 通过看或者听学习 
   string type=IsAction(action);  // 判断是某种行为 比如走 跑 说话 看等 
   string p1,p2; 
   p1=IsParam1(action); p2=IsParam2(action);  // 对行为的一些描述p1 p2 
   Understand(type, action, p1, p2);  // 对行为进行理解并记忆 

然后 NPC在空闲的时候还会想事情(就是普通的漫无目的想 假定其函数名为Thinking) 想了之后就做某种事情 第三个函数如下 
int Thinking() 
{  
   int n=0;  // n是随机数 NPC在空闲的时候想什么事情是个随机事件 它随机性的发生 
   int type=rand()/2;  // 2可用其它值 处于某种想之中 
   switch(type) 
   {  
       case 1: 
       n=OnIdle();  // 在空想 函数给n赋予随机值 
       break; 
       case 2: 
       n=Memory();  // 在回忆 函数给n赋予随机值 
       break; 
       ...... 
    } 
   switch(n) 
   {  
       case 1: 
       Walk();  // 某种形式某种目的的行走 与Understand()中那个不同这个是实际的行为 那个是把行走理解成某种行动的字符串数据 
       break; 
       case 2: 
       Talk();   // 某种目的某种内容的谈话 
       break; 
       ...... 
       default 
       break; 
    } 

最后一个函数 也是最难的一个函数 就是思考(Thought) 对某个问题经过思考得出结果 
int Thought(string question) 
{  
   if(LookupMemory(question))  // 在记忆中查找看是否找到 实际上是一个查找数据库的表并在表中的数据项查找的函数  
   {  
       string law; 
       law=Haslaw(question);  // 函数中可用IsNum() IsMathChar() IsLaw()等函数判断question里面是否有数字 数学符号 数学/物理法则等 
       if(law.IsNotNull())  // 看是否包含有法则 
       {  
           RunLogic(law);  // 运行相应的逻辑法则 
        } 
       else 
       {  
                                    // 做其它的事 比如和某个NPC对话 
        } 
       return 1; 
    } 
   else 
   {  
       if(Research(question))  // 研究问题 
       {  
           ......    // 成功相应的行为 
           return 1; 
        } 
       else 
      {  
          ......    // 失败相应的行为 
          return 0; 
      } 
    } 

通过以上四个函数就可以把理解 学习 想事情 思考问题完整的实现出来 完成人工智能的全部功能 这里根本不需要什么深度学习 机器学习 这就是全部的人工智能函数 
下面再写两个跟游戏有关及常用的人工智能函数 第一个自动寻路/自动驾驶 
自动寻路要注意的一点就是不能把HitTest()当成"轻重缓急"算法写在判断避让那里 因为自动寻路避让障碍的时候是个轻重缓急行为 不是进行碰撞检测 
bool AutoDriving(int Character) 
{  
   bool obstacle=Look();  // 看道路上有无障碍 
   if(obstacle) 
   {  
        int distance=OrderofPriority(Character);  // 判断轻重缓急 
        int direction=GetInput(keyboard); 
        ChangeDirection(direction, distance);  // 在距离distance处转向 
    } 

一个可能的轻重缓急算法是 
int OrderofPriority(int Character) 
{  
   int type=rand()/2;  // 轻和重 缓和急是个随机产生情况 这是客观世界的真实反应 游戏世界也是一样的 
   switch(type) 
   {  
       int min=GetMinimum();  // 测出物体中心到前端的距离的最大值即碰撞距离 不碰撞只要大于它就行了 比如可以略大于它 也可以+1 +2 +5厘米或者加个随机数 
       int senmin,senmax; 
       GetDistanceSensitivity(Character,senmin,senmax);  // 得到角色的最小最大距离敏感度 一个查询数据库的函数 
       case 1:  // 轻/缓 
       return min+(rand()/0.1~1)+senmax;  //  大于碰撞距离小于等于角色最大距离敏感度并略有出入的随机数 或者其它可自定 
       break; 
       case 2:  // 重/急 
       return min+(rand()/0.1~1)+senmin;  //  大于碰撞距离小于等于角色最小距离敏感度并略有出入的随机数 或者其它可自定 
       break; 
    } 

第二个真实打斗 这个函数主要是随机数加上一些三十六计计谋即可 如 
int RealFighting() 
{  
    int type=rand()/50;  // 计谋中的一种 包括连环计 计中计 
    switch(type) 
    {  
         case 1: 
         声东击西(); 
         break; 
         case 2: 
         围魏救赵(); 
         break; 
         case 3: 
         四面楚歌(); 
         火上浇油(); 
         break; 
         ...... 
    } 

甚至还可以写出复合体及变体 
提到游戏中人工智能 很多时候都是个随机数问题 因为自然界中的事都是随机发生的 当然到了虚拟世界里面 各种事情也是个随机性的 恰好有rand()函数能很好的解决这一问题

之所以只举例写70个的行为是因为假如世界只创造了这么多 人只会(包括学的)这么多的行为 比如像所有诞生的世界只有2500个游戏 那你的Playing()函数里面只有2500个case
欢迎转载

  • 允许他人重新传播作品,但他人重新传播时必须在所使用作品的正文开头的显著位置,注明用户的姓名、来源及其采用的知识共享协议,并与该作品在磨坊上的原发地址建立链接
  • 可对作品重新编排、修改、节选或者以作品为基础进行创作和发布
  • 可将作品进行商业性使用

如社区发表内容存在侵权行为,您可以点击这里查看侵权投诉指引

标签: