《气愤的小鸟》，一款主流且经典的游戏，自 2009 年以来已经被下载了 40 亿次；大约是地球上总生齿的对折。除此之外，它催生了浩瀚相关丹青小说和书籍，两部片子和四个系列动画剧，更不消说在智妙手机及其他..上衍生出的无数游戏，甚至是 AR 版本的游戏。
雷锋网注：上图为 AR 版《气愤的小鸟》之《猪岛》
现现在，这款风靡全球的游戏也受到了来自 AI 的挑战——AI 已经达到了该游戏顶级玩家的一致水平。
本周，Arixiv.org 上揭橥了一篇论文，布拉格查尔斯大学的研究人员具体介绍了一个叫作 DQ-Birds 的 AI 系统；该系统经由由 Deepmind 率先提出的 Deep Q-learning 算法练习，从而在之前随机取样的情况下完成指定的义务。
雷锋网认识到，平日，研究人员在行使 Deep Q-learning 算法练习 AI 系统时，还会接纳 Double Q-learning 的算法；这种算法至关主要，因为它不是用来掌握机械的下一步动作，而是用来评估决议。
研究人员在论文中写道：对于人工智能智能体来说，《气愤的小鸟》这款游戏十分棘手，因为它需要考虑顺序和游戏情况等随机身分，还需要区分多种类其余小鸟，以及它们响应的能力和最佳点击时间。若是想要成功地完成义务，人工智能智能体就要具备提前展望或模拟本身动作的后果。
为此，AI 系统会捕获游戏截图（为了让游戏物理结果不乱下来，系统在摄影前会守候 5 秒钟)，然后对其进行裁剪，并隐藏“菜单”和“再玩一次”等 UI 元素。截图经由裁剪后，系统会调整图片的巨细，让它们呈相对统一的规范状况，然后再传送给 Deep Q-learning 机械进修算法。
雷锋网获悉，为了加倍深入地认识本身的模型，该团队还从《气愤的小鸟》中经典的 Poached Eggs 关卡里收集了 21 个难度级其余数据集，个中包罗跨越 11.5 万个截图。研究人员申报说，他们的 AI 系统已经可以在某些级别上跨越一个由四名人类专业玩家构成的小组的分数，但在 21 个难度级其余分数总和上照样略逊一筹，尤其是在过 18 级难度的关卡时。
除此之外，在 IJCAI（International Joint Conference on Artificial Intelligence，国际人工智能结合会议）大会举办时代，这个研究团队还携其 AI 模型列入了气愤的小鸟 AI 角逐；这场角逐中，有几个参赛选手的 AI 模型成功在三个回合中经由了 8 个此前从未接触过的关卡，然而，DQ-Birds 系统并没有获胜，但它成功经由了个中 3 个关卡，这已经比 2017 年的半决赛水平还要高了。
研究人员在申报中说道：我们在这项工作中有一个方针没有杀青，那就是 DQ-Birds 系统没有完全超越人类；这有很大一部门原因在于该系统还缺乏充沛多样的练习数据集。但好新闻时，DQ-Birds 在某些关卡已经能一次性过关。
