就是，娜芙的学习进步速度太恐怖了，每一次对抗对“她”来说都是学习。
    罗晟通过这五场与人类玩家对抗的比赛中也看到了娜芙暴露出来的一个缺陷，就是除了特定的分兵战术，“她”并不能形成灵活的兵力分配。
    在输掉的第四局对抗中，一名高水平的人类玩家对娜芙的基地不停的多线骚扰，而“她”一旦回防对方就立刻跑路，等“她”的兵出门展开进攻的时候又转回来继续骚扰。
    这场对抗，面对人类玩家的灵活出兵策略，娜芙只能被动应战，无法形成对人类玩家的有效进攻，也导致了最后滚雪球效应起来了。
    最终落败。
    第五局对抗结束之后，罗晟让娜芙停止了匹配对手，然后对其重新进行了一次大幅的升级优化。
    他觉得这样的学习效率仍然显得太慢。
    娜芙的智能体采用的是深度学习算法，罗晟对其进行了一次精心升级之后，包括了神经网络、通过强化学习的自我对弈，多智能体学习、模仿学习等算法或技术。
    其中所谓的自我对弈，简单说就是自我学习，通过不断的试错找到让自己胜率最大的游戏方式。
    而通过自我对弈和强化学习，构成了开放端学习算法的基本范式，学习人的策略，并确保娜芙的智能体在整个游戏过程中不断探索这些策略，从而让“她”获得更大的升级与进步。
    此外，由于星际争霸这款游戏具有巨大的动作空间，会让许多先前强化学习方法变得无效。
   

本章还未完，请点击下一页继续阅读>>>