딥러닝의 구조 생각해보면 뭐 실현 불가능한 시스템은 절대 아님
빅데이터 이론 상 표본 데이터 때려박으면 박을 수록
기계가 스스로 학습해서 보다 더 나은 판단을 도출해낼 수 있다는건
이미 충분이 검증된 구조임
혹여나 일부 문제가 발생하는 부분이 있어도
인간이 개입해서 리셋시키고 다시 학습을 시키든가 아니면 아예 해당 상황에 대해 판단값을 넣어주면 됨
이걸 다른 게임에서 안했다고
아예 불가능하다고 말하는건 좀 아닌거 같음
따지고 보면 딥러닝으로 가장 유명한 알파고도
바둑이라는 게임에 관련된 딥러닝 AI인데
진짜 문제는 블리자드가 성과기반 매치메이킹에 내놓은 AI가 제대로 된 판단을 내놓을 만큼 높은 수준이 아니었다는게 핵심인거 같음
그게 알파고잖음
인간이 일일히 측정 못하는 영역들을 축적된 데이터를 통해 통계화해서 가장 최적의 답을 찾아내는게 빅데이터고 거기서 더 나아가서 기계 스스로 학습할 수 있도록 하는게 딥러닝임
나도 그렇게 생각함 결국 넓게는 인공지능 영역이고 어떻게 더 최적화해서 사용하기 나름인데 프로게이머가 반대했다고 다른 게임에서도 망했다고 이러는건 좀 아닌거 같음
스플릿푸쉬같은거에서 미는놈이 빽도충이냐 아니면 나머지가 운영할줄모르는거냐 같은걸 AI가 그때그때 구분해서 점수매길수있으면 걍 그 AI로 겜돌리면 세계대회 우승할듯
그게 알파고잖음
인간이 일일히 측정 못하는 영역들을 축적된 데이터를 통해 통계화해서 가장 최적의 답을 찾아내는게 빅데이터고 거기서 더 나아가서 기계 스스로 학습할 수 있도록 하는게 딥러닝임
삭제된 댓글입니다.
sh3ahe
스2의 경우 구글이랑 딥마인드 테스트 중임 관련 기술 교류하고 있을테고 성과기반 매치메이킹은 굳이 알파고 수준까지 높은 인공지능은 아니어도 됨
데이터를 보여주고 이게 좋은 데이터인지 나쁜 데이터인지 판단하는건 그렇게 어려운것 까지는 아닙니다 단, 그러한 데이터를 많이 보여주고 학습시킨 다음 '이제부터 좋은 데이터를 너 스스로 뽑아봐' 하는게 바로 알파고의 영역이고, 이 부분은 꽤 어렵죠 따라서 어떠한 게임에서 특정 유저의 플레이가 좋았는지 나빴는지 '판단하는 것'만 하자면 그렇게 어려운건 아니라 할 수 있습니다. 인공지능보고 '좋은 플레이'를 창조하라고 하는 건 아니니깐요