人工神经网络
一个最重要的创新：人工神经网络
简单来讲，神经网络意味着理论上它可以学习任何用户动作的映射！
为了介绍一会儿将使用的一些术语，从状态到行动的映射将被称为“策略”。
为了让拳手的神经网络学习策略，AI Arena将采取模拟学习和强化学习。其中神经网络架构存储在IPFS上。
在上图中，神经元之间的连接称为“权值”。当你的神经网络正在“学习”时，所发生的是它正在改变权值的值。
OpenAI CEO：需要政府采取行动，规范人工智能（行业）:金色财经报道，OpenAI CEO：需要政府采取行动，规范人工智能（行业）。跟埃隆·马斯克的关系仍然良好。[2023/5/5 14:45:15]
权值最终将决定状态如何映射到动作，这意味着我们可以将权值解释为“智能”。
神经网络权值对于每个NFT都是唯一的，并存储在以太坊上。
AI设计机制全攻略
状态
（1）什么是状态？
状态是环境在某个时间点的表示。它并没有包含所有信息——只包含了其中必要的信息。
例如：研究人员使用屏幕上的所有像素作为状态，让AI计算出像素代表什么。然后根据他们认为对决策过程重要的因素进行人工调试。
AI Arena一再强调其关心的是为所有人提供平等的机会——团队希望奖励能够更多地给予坚持训练AI的用户，而不是奖励拥有更多资源的用户。
MakerDAO架构师Nikolai Muchgian身亡，3天前曾表示遭遇威胁:11月1日消息，MakerDAO前技术合作伙伴、DAI架构师、Balancer联合创始人Nikolai Muchgian在波多黎各康达多海滩(Condado beach)被发现溺水身亡，年仅29岁。
Nikolai于今年4月重返社交媒体，并在去世前三天在社交媒体发布有关美执法部门的部分信息，并表示遭遇威胁。Tether创始人Craig Sellars、21stParadigm联创Dylan Leclair已在推特证实此消息并表示悼念。
Nikolai是DappHub的CEO，也是著名的安全研究员。参与过多个区块链项目，包括基于DSProxy委托调用的动态原子组合、DSNote通用日志记录实用程序、DSAuth灵活授权模式等dappsys实践。他还参与了最初的Maker/Dai合约系统的架构设计，并创建了Balancer AMM。曾经防止MakerDAO发生类似The DAO同样的攻击。(Trustnodes)[2022/11/1 12:04:29]
（2）游戏将使用哪些变量？
Huobi锁仓DOT挖矿RAI 奖励率达125%，锁仓HT达308%:据Huobi 数据，用户在Huobi Global 挖矿宝灵活锁DOT参与RAI 新币挖矿奖励率达到125%，锁HT奖励率达到308%，锁STPT奖励率达到1014%。
据悉，Huobi Global“全球观察区”将于2021年4月7日上线波卡板块项目 RAI (RAI Finance），Huobi将于4月7日10:00 开放 RAI的充币业务；4月7日15:00 开放 RAI币币交易。
同时Huobi 已上线RAI挖矿活动。4月1日至4月7日期间，用户在Huobi 灵活锁定HT、DOT、STPT 参与RAI 新币挖矿，每日总挖矿奖励为83.3万RAI。锁定HT、DOT、STPT 可随存随取。[2021/4/3 19:42:32]
下面是状态中包含的变量列表。需要注意的是，AI Arena将使用下标1表示用户自己的AI，下标2表示对手。
动态 | Chintai 正式加入 dGoods 计划:据MEET.ONE 报道， 昨日发推宣布 Chintai 将正式加入 dGoods 计划，并称他们将正用其租赁专业知识为 dGoods 开拓新的方向，将租赁功能集成到 dGoods 标准中。*dGoods 是首个基于 EOS 协作的、致力于在区块链上创建数字的、分布式的、虚拟物品的开源标准。[2019/6/12]
此外，竞技场的左边界的X位置为0，右边界的X位置为1。
训练
（1）训练概述
这是改变神经网络中权值的过程，以使AI能够起作用。
例如：如果我们在对手面前，我们可能希望我们的战士出击。
动态 | MakerDAO 开启第四次 DAI 稳定费提高至 4％ 的治理调查:据vote.makerdao消息，MakerDAO 开启第四次 DAI 稳定费提高 4％的治理调查，3 月 22 日进行投票表决。今年 2 月以来，稳定币 DAI 在多个交易平台上的价格一直低于 1 美元，出现与美元脱离的迹象。3 月 8 日，MakerDAO 投票通过了将 DAI 的稳定费从 1.5％上调至 3.5％的提案，希望以此解决日益严峻的流动性和供需不平衡的问题，但效果持续减弱，做市商和自营交易存货量较高，因此需要继续提高稳定费。[2019/3/19]
有一系列的权值可以实现这一点，训练的重点是让AI学会在特定场景中采取特定的行动。
AI Arena在应用程序中嵌入了以下培训计划：
模仿学习
为了学习如何战斗，你的AI将观察你并学习模仿你的动作。
自我学习
为了学习你无法教给它的技能，你的AI将与自己的副本对抗，以不断提高。
（2）为什么需要训练？
1·随机初始化
首次创建NFT拳手时，神经网络权值也随之生成。一开始它会随机采取行动，因为它不知道在什么情况下应该采取什么行动。
因此为了准备战斗，我们必须训练它，使它学会一个好的作战策略。
2·随机策略
正如上文“神经网络”部分中提到的，从状态到动作的映射称为策略。
换句话说，策略定义了代理在某些情况下的行为方式。在训练之前，NFT拳手还没有学会一个好的战斗策略，所以只是随机行动。
（1）通过观察学习
理解模仿学习的最好方法是想象你是一个师父，你的AI是一个你正在准备战斗的战士。
你用你的人工智能进行搏击，它学习模仿你在特定场景中的动作。
我们正在写一篇关于模仿学习的综合博文，到时候会将其链接到这里。
（2）演示
实际情况：你实际操控的是左边的灰色拳手，而你的AI在右边。你可以测试一些动作，观察AI如何模仿你。
请注意：它不会立即复刻你的动作，因为神经网络需要一点时间来学习，所以在AI学会之前，你可能需要多重复几次你的动作。
为简单演示，目前AI Arena只允许用户使用这些操作：向左跑、向右跑、单拳、双拳和防守。
（1）完美匹配
最完美的拳击搭档就是用户自己。通过自我学习，你的AI总是在不断地挑战自己，不断地改进。
（2）不同的学习范式
通过模仿学习，AI通过观看演示进行学习。在自我学习中，AI像对手一样学习和战斗没有多大意义，因为对手是人工智能本身的克隆。
但是如果没有专家向人AI展示如何战斗，那么它如何学习该做什么呢？——通过奖励。
AI将学会采取给予它更多正向奖励的行动，而减少采取给予它负面奖励的行动。
定制训练
Python环境【正在准备中】
AI Arena计划为玩家引入一个python环境来训练他们自己的模型。
目前，用户仅限于使用团队在应用程序中提供的两种培训方法；但不久的将来，应用程序将可以允许玩家导入其自定义培训模型并上链。
游戏模式探索
战斗
AI Arena目前有两种可用的作战模式：模拟赛和排位赛。除此之外，团队计划在不久后整合另外两种作战模式。
1）模拟赛
玩家可以在对抗竞技场测试他们的拳手来预先训练的AI。在这种模式下将没有任何奖励。
2）排位赛
玩家将让他们的拳手去对抗来自世界各地的拳手。玩家的唯一目标就是努力攀登排行榜，成为竞技场的冠军！
玩家在排行榜上的排名越高，赢得一场战斗的回报奖励就越高。
3）目标
虽然每种战斗模式都有其独特之处，但它们都有一个共同的胜利目标：在指定的时间内消耗对手所有生命值。
链金交易员总结
目前AI Arena尚处在早期，很适合提前埋伏观察。据官方透露，游戏正式版本大概率于明年推出，而今年年末推出的测试版本将只有白名单用户可以参与体验。
白名单用户名额的获取方式是参与团队即将推出的解密游戏，通过游戏后的用户将会被随机选择是否进入白名单。
有兴趣的玩家可以加入他们的Discord尝试体验，大概率后期会有早鸟空投奖励。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。