/dev: Será que Bots sonham com Poros elétricos?

Por: BuffMePlz

Se olharmos para a vitória de AlphaGo em cima de Lee Sedol há um ano, fica claro que a Inteligência Artificial nos jogos melhorou bastante desde a primeira vez que a implementamos. Temos curiosidade de ver até onde podemos levar as redes de aprendizado artificial no League.

Nossa vontade era que a IA conseguisse escolher Campeões, tomar decisões estratégicas durante partidas e ter uma gama de conhecimento única para cada Campeão. Começamos a olhar para isso a partir de uma hierarquia convolucional que comprime uma rede de ponteiro de pico. Pode ser difícil definir a inteligência de uma IA mas, de acordo com nossos cálculos, realizados em cima de uma regressão limitada dos fatores QRS na subjacente estrutura de transporte, acreditamos que o QI desses bots pode chegar a 200 em breve.

Os Bots foram criados para aprender com jogadores em tempo real. É por isso que estamos testando em jogos das filas PvP em vez de Co-op vs. IA. Queremos que os Bots tenham a experiência PvP mais realista possível. Criamos um ícone exclusivo para recompensar jogadores que participarem desse experimento e concluírem uma partida nessas filas antes de 2 de abril de 2017, às 23:59. (Ícones podem levar algumas semanas para aparecer na sua conta).

Identificamos alguns comportamentos interessantes até agora, como Bots Avançados se emocionando depois de abates, usando provocações ou tentando enganar seus oponentes. Eles inclusive desenvolveram personalidades e estilo de jogo únicos, e talvez isso se dê ao fenômeno de mutações dentro das expressões de Markov de indivíduos que, por sua vez, acontece devido à propagação reversa da análise combinatória resultante de gráficos acíclicos diretos.

Mas como isso tudo é feito? Não sou especialista, mas o conceito básico é originado de um processo de aprendizado supervisionado que aceita sequências de entrada que consistem em cadeias de blocos reais (mas com transformação Fourier reversa) geradas através de calhas não-sintéticas. A desmodularização de isolar os valores de Craighton da estabilização esquerda da variância produziu ganhos siginificativos em estuturas planares qualificadas e não qualificadas.

Inicialmente, a equipe lutou com a convexidade de tipo gama inerente do tecido de rede das neuralidades que inibem a ampliação dos nodos sinusoidais, mas obtiveram sucesso ao mitigar essa preocupação com unidades de filtro no dispositivo. Olhando para o futuro, a equipe planeja migrar todas as equações Chebyshev existentes e usadas para calcular em tempo real os coeficientes Gringel para uma abordagem mecânica e muito mais eficiente de Z-wells.

Acredito que isso resuma bem. Agradecemos a sua participação em nossos testes dos Bots Avançados, que começam hoje.


1 month ago