展会信息港展会大全

来和这个机器人玩玩“石头剪刀布”,享受被支配的快感吧
来源:互联网   发布日期:2019-07-12 15:03   浏览:20561

新智元报道 来源:reddit 编辑:大明 【新智元导读】来和机器人玩石头剪刀布,体验被支配的快感!Reddit上一位大神用3层简单RNN训练出一个石头剪刀布大师,你下一把想出什么,它都能猜个差不多。采用3D打印的漂亮外壳,纽扣电池即可供电,不服来战!关注新智
 

新智元报道

来源:reddit

编辑:大明

【新智元导读】来和机器人玩“石头剪刀布”,体验被支配的快感!Reddit上一位大神用3层简单RNN训练出一个“石头剪刀布”大师,你下一把想出什么,它都能猜个差不多。采用3D打印的漂亮外壳,纽扣电池即可供电,不服来战!关注新智元和群,了解更多前沿AI资讯!

我们每个人都玩过石头剪刀布,这个简单的游戏,似乎总有人特别擅长。你总觉得自己出什么,都尽在对面的掌握之中。

终于,在你连输N次5局3胜的比试,被弹了一头包之后,你硬着头皮问对面那个满脸得意的人:“哥,你咋怎么厉害呢?”

对面一般会一脸神秘又略带不屑地对你说一句:“你要出啥,我早都预料到了。”

近日Reddit上热议的一个话题就是,如何用机器学习练出一个玩“石头剪刀布”的大师出来。

也许这篇文章的作者小时候也被大神蹂躏过。他利用机器学习训练模型,造出了一台会玩“石头剪刀布”的微型机器人,它的本事就是预测对面下一次出啥。

作者表示,这个机器人机器学习原理方面并不复杂,模型使用的网络是一个小型的3层vanilla RNN(在TensorFlow/keras中训练),训练数据是两名玩家玩”石头剪子布”的记录数据,将这些数据作为输入,并预测输出对手下一步会出什么。这些记录数据来自roshambo.me上的真人游戏信息。

“我添加了一些周期序列的模拟数据,人们在与AI对战时很可能会尝试的做这些事情。”

如果没有模拟数据(易于预测),模型在测试集上的准确率达到38%(相比之下,完全随机对战的胜率为33%,这么看,其实也没强太多?)。

模型在较大批规模进行训练时遇到了一些问题(无论是填充还是填充和屏蔽渐变)所以最后训练的批规模(batch_size)为1,这对于规模如此之小的网络来说还是可以接受的。

更有趣的部分是,这个网络能够在一个小型微控制器上运行。对网络权重进行量化(以8位整型数据存储)可以节省一些空间,因为使用的微控制器只有2kB RAM和16kB闪存,计算是使用软件浮点数完成的,性能不是真正的问题。微控制器上运行的C语言代码都是定制的,不是特别复杂。

最终的实体设备大约为硬币大小(但更厚一些)。使用定制的PCB板,由CR2032纽扣电池即可供电,并有一个漂亮的3D打印外壳。外形上非常接近我之前定制完成的电子骰子,所以其实工作量不是太大。

参考链接:

Reddit:

https://www.reddit.com/r/MachineLearning/comments/ca88r4/p_a_little_gadget_that_plays_rockpaperscissors/

GitHub:

https://github.com/PaulKlinger/rps-rnn

视频:

https://www.youtube.com/watch?v=iuTKBHW0OaU

 

登陆 | 注册 欢迎登陆本站,认识更多朋友,获得更多精彩内容推荐!

赞助本站

人工智能实验室
AiLab云推荐
推荐内容
展开
Copyright © 2010-2019 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港