인공지능이 점진적으로 적절한 난이도의 미니게임을 깨도록 진화시키면서 범용지능을 가지게 해야하는데
이 미니게임들을 진화로 만들어야한다
그러니까 미니게임을 돌연변이로 여러개 만들어놓고
이 미니게임을 깬 개체가 절차적생성으로 만들어진 랜덤게임을 많이 깰수있으면 미니게임이 점수를 높게받아 선택, 진화하는 것이다
물론 절차적 생성으로 만들어진 랜덤게임을 깬 개체도 선택, 진화하고
결국 내말은
적절한 난이도의 점진적으로 복잡해져가는 미니게임을
진화로 만들어야한다는 말이다
구체적 방안은 내가 프갤에 바로전에 쓴글에 있다
- dc official App
ㅇㅅㅇ
동의하는거심? - dc App
진화 알고리즘 한물간지 오래됨 ㅇㅅㅇ
진화알고리즘은 구글의 automl-zero에서도 쓰였고 구글ai블로그에 강화학습보다 효율이 좋다고 연구결과도 나와있다 - dc App
진화는 한물갔다고 말할만한 것이 아니다. 그 원리의 명료성과 단순성이 필요한 모든것을 포함하고 있다 - dc App
안쓰이는거 아니고 어떤 상황에선 효율좋은 것도 맞는데 사실 무슨 말하는지 모르겠음 ㅇㅅㅇ
한물갔다고 해서 말한거임 - dc App
무슨말이 이해가 안되는거임? 부분을 짚어주셈 - dc App
콘달며 놀자 ㅇㅅㅇ
포괄적으론 강화학습 이지 ㅇㅅㅇ
딥마인드 연구내용에 강화학습 있긴한데 난 맘에안듬 - dc App
너가 써놓은 내용이 강화학습임 ㅇㅅㅇ
이건 진화알고리즘아님? - dc App
https://opentutorials.org/course/4548/28949
강화학습을
하는방법중 대표적인 방법 하나가 진화알고리즘으로 하는거임 ㅇㅅㅇ
링크에 진화라는 말이 안보여 - dc App
그럼 이거봐 ㅇㅅㅇ
https://www.youtube.com/watch?v=C4WH5b-EidU
이건그냥 진화알고리즘 아님? 강화학습과 진화알고리즘이 왜같은지 말해줘 그냥 - dc App
강화학습 : 그 행동의 결과가 자신에게 유리한 것이었다면 상을 받고, 불리한 것이었다면 벌을 받는 것입니다. 진화알고리즘에서 상-> 유전자를 남기게해줌 벌->유전자쥬김
진화알고리즘은 신경망과 신경망생성알고리즘에 돌연변이를 줄수있는데 강화학습은 게임내에서의 행동에만 돌연변이 줄수있는거 아님? 돌연변이를 일으키는 부분이 한정적인거 같은데 강화학습은 - dc App
유전자 남기거나 버리거나(상을 주거나 벌을 주거나) 해서 진화하게 만드는것 자체가 강화학습임 ㅇㅅㅇ 진화알고리즘을 이용한거고 양자컴퓨터로 신경망알고리즘을 강화학습시키면 진짜 어떻게될까 ㅇㅅㅇ;;;
알파고도 분명 ai2명에서 바둑두게해서 이기는놈 적자생존시켜서 강화학습 시켯을거임 ㅇㅅㅇ
진화는 적합도 점수를 최대화하려는 경향이 있고 강화학습은 보상점수를 최대화하려고함. 둘다 점수 최대화를 위한 선택을 함. 그러니까 높은 점수를 달성하는 개체나 행동을 선택함. 진화가 유전자를 생존시키는건 높은점수를 추구하는 경향성임 - dc App
그러니까 유전자를 남기게 해주는건 높은점수를 가진 개체를 추구하는 것이지. 유전자를 남기는것 자체가 보상은 아닌거같음. 그러니까 높은점수를 추구하는것과 높은점수 그자체는 다르다는거임. 진화에서 상은 적합도함수에 의해 적합도 점수가 매겨지는걸 말함 - dc App