24、游戏中的创造力、知识发现与多游戏玩法探索

游戏中的创造力、知识发现与多游戏玩法探索

在游戏领域，智能系统的发展致力于发现新的游戏特征和实现多游戏玩法。下面将介绍相关的系统和方法。

自发特征发现——Blondie

Blondie24（也称为Anaconda）是游戏中自发特征发现的著名例子。它得名于其“蛇形”的玩法，在许多获胜的游戏中，它会封锁对手，迫使对手做出弱势的移动。在其输入数据和进化过程中，从未明确考虑过移动性的概念，但系统在进化过程中“发明”了移动性的重要性。这部分归因于手工设计的输入到隐藏层连接的拓扑结构，而第一层隐藏层中单个神经元覆盖的棋盘子部分之间的相互空间关系，是通过进化发现的。

2005年，Chong等人将类似Blondie的方法应用于奥赛罗棋。他们基本遵循了Chellapilla和Fogel的方法，并根据游戏的特点进行了调整。观察到了与西洋跳棋中类似的关键游戏特征的自发发现效果。总体结论是，以Blondie为代表的协同进化方法能够培养出具有物质优势感和位置细微差别的玩家。不过，掌握移动性策略是一项更具挑战性的学习任务，但经过1000代的进化，一些个体能够发现移动性的重要性，并将物质、位置和移动性这三个方面结合成一个统一的评估系统。

刻意知识发现

以下介绍几种刻意进行知识发现的系统：
- Morph ：Robert Levinson的Morph实验在国际象棋的知识发现方面有有趣的观察。Morph的设计理念是计算创造力应是过去经验的独特且有利的组合，符合“旧观念的新颖组合”观点。该系统实现了基于模式的学习，模式的权重通过TD(λ)方法结合模拟退火进行修改（模式的个体学习率随着模式更新频率的增加而降低）。Morph学习