Ученые используют ИИ для воссоздания правил давно потерянных настольны
Люди склонны хоронить предметы, которые они считают наиболее важными для своей жизни. Поэтому неудивительно, что некоторые люди решили покупать игры, в том числе настольные. Некоторые из этих артефактов пережили века, оставляя современных археологов с загадкой - как вы понимаете игру, когда вы не знаете, как в нее играли? Кажется, древние люди совершенно ужасно потеряли руководства для своих коробочных названий.
Отслеживание эволюции игр и игр может многое рассказать нам о культурном обмене и эволюции между двумя обществами или внутри одного общества с течением времени. В нескольких случаях археологам повезло, и они нашли реальные правила игры. Чаще всего они застревают, пытаясь понять, как игра могла бы работать, сравнивая ее с другими играми, которые мы понимаем, или анализируя название в искусстве. Например, единственные подсказки для игры в древнеегипетскую игру Сенет находятся в могиле королевы Нефертари.
Теперь историки используют новые инструменты для восстановления правил древних игр. Кэмерон Браун возглавляет проект Digital Ludeme. Это исследовательский проект, направленный на использование вычислительных технологий, в том числе ИИ, для воссоздания правил настольных игр. Чтобы сделать это, Браун и его команда сначала разбивают игру на составные части и элементы, кодируя их как единицы, называемые «ludemes». Ludeme - это любая часть игры или правило, о которых знают исследователи. Культурная информация также включена, чтобы помочь оценить правдоподобие различных оцененных наборов правил. Система, которую они создали для игры в игры, называется Ludii.
Современные методы ИИ используются для создания потенциальных наборов правил для игр, которые затем могут быть вычислены в вычислительном отношении. Агенты ИИ назначаются играть в игры по предложенным правилам и составлять списки движений. Данные, которые агенты AI собирают в нескольких прохождениях, могут затем оцениваться, чтобы определить, является ли конечный результат играбельной игрой.
«С нашей системой мы можем поставить оборудование, мы можем искать правила с даты [создания совета], правила из области, правила из культурного контекста», - сказал Браун Вице. «Затем мы можем собрать воедино возможные наборы правил, которые могли произойти».
Команда уже имела некоторый успех. В этой статье описывается игра, известная как latrunculi или Ludus latrunculorum, которую ученым было трудно расшифровать. Другие ученые предложили свои собственные правила, но Браун считает, что Лудий определил более вероятный набор правил для игры - и вы действительно можете попробовать его, если вы используете бета-версию приложения и выбираете подходящую игру.
Обучение набора данных ИИ правилам тысяч известных игр и обучение ИИ тому, как правила игры развивались и передавались во времени в ситуациях, которые мы уже можем отследить, может помочь ИИ составить карту наиболее вероятных маршрутов культурной передачи в прошлое. В некоторые игры, такие как латрункули, играли веками по всей Римской империи.
Особенность изображения любезно предоставлена Википедией
Читать далее
Как Windows использует несколько ядер ЦП?
В наши дни мы воспринимаем многоядерность как должное, но как вообще процессор и операционная система взаимодействуют друг с другом?
TDP Intel для настольных ПК больше не используется для прогнозирования энергопотребления процессора
TDP процессоров Intel более высокого класса для настольных ПК больше не сообщает ничего полезного о потребляемой мощности процессоров под нагрузкой.
Медиа-серверы Plex используются для усиления DDoS-атак
Исследователи утверждают, что при правильном использовании сервер Plex может увеличить размер DDoS-пакетов почти в пять раз, делая эти атаки гораздо более опасными. Пользователи Plex тоже мало что могут с этим поделать.
Графические процессоры, используемые для майнинга криптовалют, могут в долгосрочной перспективе потер
Будет ли майнинг на графическом процессоре в долгосрочной перспективе снижать его производительность? Появились некоторые свидетельства того, что это возможно, но есть проблемы с набором данных, которые не позволяют сделать однозначный вывод.