Хабр Курсы для всех
РЕКЛАМА
Большая витрина: от крупнейших школ до частных авторов. Сравнивайте по цене, длительности, формату и выбирайте самый подходящий курс!
Поток Геймдев доступен 24/7 благодаря поддержке друзей Хабра
Комментарии 9
Во-первых респект вам за такой увлекательный и прекрасный лонгрид. Я тоже был фанатом OFP и первой ARMA. И вот в OFP мне как раз подобного очень не хватало, ведь из связи у меня был только диал-ап. Но тогда таких мощностей не было конечно же.
Во-вторых конечно хотелось бы узнать игру в которой будут применены наработки, а то у меня наконец-то появилось время на ARMA-Reforger, так почему бы не попробовать что-то еще...
Ну а в-третьих заставило задуматься, что уже есть люди которые уже тренируют нейросетки убивать людей в реальном мире и что-то мне, мягко говоря, не нравится такая перспектива...
Аналоги нейросетей уже давно убивают людей в реальном мире. Те же ракеты с телевизионными ГСН, например, даже на ранних этапах существования умели сравнивать картинку в памяти с картинкой с камеры, и тем самым правильно вести боеприпас. Сейчас просто появляется сверхкомпактная и сверхмощная (для своих размеров) электроника, и необязательно занимать 40-50% объема боеприпаса управляющей аппаратурой. Да и сами алгоритмы компьютерного зрения (и нейросетей в целом) сильно развились.
Спасибо.
Во-вторых конечно хотелось бы узнать игру в которой будут применены наработки, а то у меня наконец-то появилось время на ARMA-Reforger, так почему бы не попробовать что-то еще...
Reforger слишком сырой в плане кодовой базы, к тому же это просто платформа для обкатки Arma 4 на новых игроках. Поэтому еcли Элла и вернется в серию игр от БИСов, то не раньше выхода полноценной Arma 4.
А о какой игре идет речь в возвращении Эллы?
Спасибо. Тот случай, когда описание читать интересней игры (ближайший аналог EVA)
одноко
Пугает. Но не игровая реализация, а что, очевидно есть люди которые тренируют нейронки убивать противника в реальном мире. Если даже с вашими скромными ресурсами получилось довольно занимательная штука (о занимательном ИИ мечтают многие геймеры - от РТС до шутеров)
Но что получается? ИИ в принципе может достаточно просто научится предугадывать действия людей, ловить их на ошибках а сам не ошибается. Не хочется проводить параллели с известными фильмами. Но перспективы пугают
Да конечно, как выше отметили есть " ракеты с телевизионными ГСН", но это все-таки не мозг, а просто ракета. У вас же уровень "мозга"
Возвращаясь к нашей реальности. Вооруженные силы, обладая достаточной разведкой, достаточным кол-вом хотя бы дронов (как самый дешевый метод доставки боеприпаса) просто не оставят никакого шанса своему противнику
p.s. В старенькой Delta Force (новалоджик) помню был редактор, можно было рисовать пути для юнитов, скрипты для взаимодействий, просидел там с полгода рисуя полеты на вертолетах и высадки десанта :)
Но что получается? ИИ в принципе может достаточно просто научится предугадывать действия людей, ловить их на ошибках а сам не ошибается. Не хочется проводить параллели с известными фильмами. Но перспективы пугают
За 10 лет эксперимента мне стало понятно, что никакой ИИ человека не победит потому что у него есть два ультимативных оружия: фантазия и глупость.
Применяя их в различных комбинациях и пропорциях игроки умудрялись находить новые методы противодействия и выполнять поставленные задачи.
Это классическое противостояние щита и меча (гонки технологий и методов).
Не думали о тех временах, этак 2050-х, когда все военные будут чипированы, а ии будет централизованно курировать все военные миссии , в том числе прогнозировать поведение врага при помощи микропбла?
На самом деле все крутится вокруг цикла OODA, а то на чем он будет максимально полно реализован вторично.
Была по этой теме такая совместная программа Армии США с университетам под названием Army Research Laboratory (DEVCOM ARL). Дальше всех продвинулись два университета:
Университет Иллинойса (UoI) разработал метод, позволяющий нейросетям быть более уверенными в понимании обстановки на поле боя, для чего они систематизировали источники неопределённости в военных информационных сетях и создали способы управления этой неопределённостью. Но для практического применения он не дошел т.к. им не хватило обучающих данных.
Университет Северной Каролины (NCSU) разработали новую архитектуру глубоких нейросетей “Learn to Grow”, которая позволяет ИИ-системам лучше усваивать новые задачи, меньше забывая уже освоенные, и даже улучшать выполнение прежних задач за счёт нового обучения (обратный перенос). И им также не хватило данных для обучения чтобы продвинуться дальше.
Оба университета работали над разными шагами цикла OODA: UoI работал над фазой Orient (снижение неопределенности при интерпретации данных), а NCSU над устойчивостью самого ИИ-агента к смене условий (фаза Act на разных ТВД).
Несколько лет назад обе работы прекратились из-за нехватки данных и прекращения финансирования. У меня получилось эффективнее решить проблему с данными и в целом я обгонял их примерно на 1.5-2 года судя по публикациям и пока они работали над отдельными шагами OODA я реализовал все четыре.
Так получилось не потому что я умнее профессоров из двух университетов, а потому что у меня были качественные обучающие данные, а у них нет.
Следил за всем этим просто чтобы “сверить часы” и понимать в правильнои ли направлении я двигаюсь. Не то чтобы все это было нужно в играх, но если уж начал заниматься хобби, отдавайся ему всей душой.
Сейчас вектор сместился на сжатие самого цикла OODA, а не на его качественное прохождение.
Там решили, что лучше 10 раз прогнать цикл “быстро” вместо одного раза “качественно”, а сопутствующий ущерб от ошибок покрывать медийным DDOSом вида "это не мы" и "они это заслужили". По такому принципу сейчас работают системы Maven (Palantir) и Lattice (Anduril).
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как правильно убивать людей (в играх)