Re: [魯蛇] 從AI訓練思維來看遊戲平衡這件事

※ 引述《ddavid (謊言接線生)》之銘言： : 你先思考一下，MTG 或 RTS 做完他所謂的平衡後，遊戲有平衡了嗎？ : 沒有，他們做到的平衡只到避免極少數套路屠殺為止，只要環境可以保有多種策 : 略就好，但所謂的「多種策略」事實上相對於整個遊戲的元素仍然是少數壟斷。 : 例如 MTG 的賽場上仍然是特定幾副套牌的壟斷，但只要沒有極端到只剩下一兩 : 種套牌可以存活、沒有極端到某張除了地牌以外的牌是所有套牌都得放的情況，WotC : 就不會再進一步動手封禁了。 : LoL 角色那麼多，做得到角色平衡嗎？沒有，他們的做法是輪流讓角色（特別是 : 好賣錢的新角色）出來透氣，實際上仍然有差距極大的強勢弱勢角色之分，但只要做 : 到賽場上不會只剩下唯一選擇就已經可以接受了。甚至有時還真的有超強的唯一選擇 : ，但他們還額外設置了 ban角制度來解決。 這個就是在說明目前人工平衡很爛 所以我才要討論用AI來嘗試平衡 : GTO 是不是奠基於決策展開計算的？AlphaGo 不用展開決策樹？不管是 GTO 或 : 是剝削策略都是奠基於決策展開計算出來的機率期望值，會把機率跟決策分開認為是 : 兩件事，很顯然我覺得你要對現代 AI 跟打德撲都重新了解一下。這根本就是相關的 : 事情。 GTO在打的是範圍 也就盲注翻牌轉牌河牌 算Nash均衡 決策樹不是GTO策略本身 那只是輔助人類看的視覺化工具 你決策樹展開是要展荷官手上還沒打開的那一疊牌嗎? GTO跟決策樹無關自己去了解 : 我已經說了沒人這麼做就是因為價值很低： 價值低跟好不好是兩回事 alphago出來之前也是一堆人說AI下棋沒價值 實際上就是AI出來之後屌虐人類策略 : 1. 可能遊戲根本不需要那麼平衡，甚至有的遊戲本來就是需要有一點動態的不平衡 : 變化來維持。 : 例如，LoL 的新英雄強勢期。 : 2. 你在做決策訓練的過程中，事實上大多數情況可以同時處理到平衡問題。 : 例如，圍棋 AI 從頭到尾都只是訓練最佳化下棋的策略，但藉由其結果，卻也同 : 時得到人類對局確實以黑貼六目半是當前最平衡的選擇（雖然白略優）。 : 因為以上兩個主要理由，幾乎足以涵蓋大多數案例，所以相對少有公司直接投資 : 在直接用 AI 做平衡上。當然學術上往這個方向做也沒什麼問題，但要做到分析平衡 : 能遠比用 2 順便處理到還成本低廉，然後該產品又非常需要這麼平衡的用例是真的 : 不多。 : 所以你要說我打模糊仗，那也可以，因為整個業界都在打這個模糊仗XD : 不過我是從根本上想質疑你所謂「找發散」這種概念啦，我很鼓勵你做個 toy : project 來展示一下所謂 找發散 => 做平衡 的因果，不然恕我想像不到你的思路 : XD。我甚至對於你「找發散」的數學模型都非常好奇，請務必指教一下。 : GA 的本質不脫上一代 AI 的搜尋方式，我是不會期待它比起深度學習有普遍性 : 的更佳表現啦。GA 最大的缺點基本還是在於並沒有嘗試整合 pattern，在學習規模 : 相同的情況下，想訓練出並儲存等量且差異性的學習結果會比深度學習 Cost 更高。 就如同我前面說的 阿法狗出來之前說AI下棋沒價值 狗出來之後人類換說不完全訊息AI不會做 撲克打下來之後人類換說AI不會繪畫音樂 最近聽到的是AI寫程式沒價值 這種話聽太多了 這個不行那個也不行話人人都會講 用什麼方式完成我都可以接受 反正人類就是做不好 我在說的只是嘗試於找到一條可以用AI做平衡的理論推演 你能提出另一個用AI做平衡的方式我也歡迎 -- DC群-AI魔法師公會(AIMageGuild) 歡迎你的加入 (請看個人資訊) 一起來聊AI的各方面包含 AI硬體 AI演算法 AI思維 AI咒語 使用AI生產 AI打牌下棋的思維 後AI時代的商業模式 都可以聊 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 131.147.158.37 (日本) ※ 文章網址: https://www.ptt.cc/bbs/GameDesign/M.1685032229.A.76D.html