Результаты поиска по запросу «
"><object data='JaVasCript:alert(1)'>
»
![ _ —ч 1 J V В щ , _ X, ^fty1 д т ^ ^ г lUv'}// '' 11, ЛН-^sN [ 1 s V/ 1 /■ *ъ] и я V ■ п 1уя В ■ if 1 1 III M 1 * 1 1 || v,V ); _у^ г¥^Уту у \У1 /Я ’ \ »J-^#J,Warcraft,Варкрафт,Blizzard,Blizzard Entertainment, Близзард,фэндомы,Warcraft Comics,Draenei,Worgen,World of Warcraft](http://img1.reactor.cc/pics/post/Warcraft-Blizzard-Warcraft-Comics-Draenei-3011961.jpeg "Warcraft,Варкрафт,Blizzard,Blizzard Entertainment, Близзард,фэндомы,Warcraft Comics,Draenei,Worgen,World of Warcraft")
Starcraft II Starcraft нейросеть Google AlphaStar DeepMind Blizzard фэндомы
Нейросеть AlphaStar одолела профессиональных игроков в StarCraft II
Программа AlphaStar, разработанная DeepMind, смогла обыграть двух профессиональных игроков в стратегию в реальном времени StarCraft II. Каждого из игроков-людей нейросеть победила в пяти матчах. Описание работы программы доступно на сайте DeepMind, а посмотреть на AlphaStar в деле можно на YouTube.
Для обеих частей StarCraft уже достаточно давно разрабатываются боты и даже проводятся соревнования подобных программ, однако до сих пор таким алгоритмам не удавалось победить человека. Дело в том, что несмотря на победу программы AlphaGo в настольной игре го(которая долгое время считалось слишком сложной для машин) со стратегией в реальном времени все обстоит иначе — это игра с закрытой информацией, в которой нужно решать большое количество задач одновременно. Компания Blizzard объявила о создании открытого API для StarCraft II еще летом 2017 года, но с тех пор заметного прогресса почти не было — даже нейросеть, разработанная DeepMind, долгое время не могла показать блестящего результата и проигрывалалегкому уровню сложности встроенных алгоритмов.
Теперь компания DeepMind (входит в состав холдинга Alphabet) продемонстрировала, что их новая программа AlphaStar способна обыграть профессиональных игроков. При создании AlphaStar использовался метод глубокого обучения с подкреплением, а также обучение с учителем, в качестве тренировочного датасета разработчики использовали предоставленные компанией Blizzard анонимизированные записи игр настоящих людей. Обученная на этих играх нейросеть научилась побеждать встроенные алгоритмы StarCraft II на самой высокой сложности в 95 процентах случаев, после чего специалисты DeepMind заставили программу играть с самой собой. Разработчики отмечают, что сначала в «лиге AlphaStar» доминировал раш — тактика быстрой победы путем строительства большого количества сравнительно дешевых юнитов. Однако затем нейросеть научилась бороться с такими атаками и начала делать упор в том числе и на экономическое развитие. Всего на «лигу AlphaStar» ушло 14 дней игры агентов друг с другом, что эквивалентно 200 годам игры в StarCraft II.
Сначала нейросеть выиграла пять матчей из пяти против TLO (Дарио Вунш, Германия), а затем другая версия нейросети победила пять раз подряд игрока MaNa (Гжегож Коминч, Польша). Оба профессионала входят в сотню сильнейших игроков в StarCraft II. Интересно, что средний APM (количество действий в минуту) нейросети оказался значительно меньше, чем у ее противников.
DeepMind
Поделиться
Стоит отметить что все же небольшое преимущество у AlphaStar было — несмотря на то, что туман войны закрывал карту для нейросети так же, как и для человека, программа получала для обработки не частичное изображение известной области (условный экран), а видела сразу все, что позволяет увидеть игра. Благодаря этому нейросети не приходилось постоянно переключаться между разными зонами карты для контроля за происходящим. Когда же для еще одного демонстрационного матча с MaNa разработчики заставили AlphaStar играть с обычным ограничением масштаба видимой области, то нейросеть проиграла человеку. Правда, в DeepMind отмечают, что самостоятельно двигающая камеру версия программы обучалась в «лиге AlphaStar» всего семь дней.
Первая часть StarCraft тоже представляет собой сложную задачу даже для методов глубокого обучения. Так, в октябре 2017 года своего бота для этой игры представила компания Facebook, и он оказался слабеепрограмм, созданных программистами-любителями. Специалистам из Alibaba Group и Университетского колледжа Лондона удалось научить свою программу неплохому уровню микроконтроля юнитов при ведении боя, но на полноценную игру их разработка все еще не способна.
Warcraft Comics Warcraft тауренская магия Blizzard фэндомы
Очень уж хотелось это нарисовать, но чёрт - из скринов только экранка от знакомой (т.к. кампанию альянса пока не трогал), а из моих персов никто не подошёл бы на роль недовольного бронелифаками. Да, у всех персонажей, появлявшихся в моих недокомиксах есть свой характер, но вот всем им было бы на такую ситуацию фиолетово.
Tracer Overwatch Blizzard фэндомы
Фанаты Overwatch отказываются покупать сиквел из-за изменённой попы Трейсер
Разработчики из студии Blizzard Entertainment, очевидно, не понимают своих игроков. Совсем недавно игроки раскритиковали бету Overwatch 2 за перегруженный интерфейс, а теперь они и во все призывают отказаться покупать шутер из-за "понерфиленной" попы одной из героинь.
Гнев у фанатов вызвала изменённая внешность Трейсер, которая была скорректирована в угоду современной повестке. По мнению пользователей, разработчики умышленно уменьшили размер попы героини и сделали её максимально непривлекательной. Теперь на Reddit пользователи призывают "остановить цензуру" и отказаться от покупки Overwatch 2.
Как утверждает пользователь под ником ThiccHammy, разработчики в Overwatch 2 буквально использовали модель персонажа из первой игры. На самом деле дизайн Трейсер остался без каких-либо изменений, однако в некоторых промотариелах для шутера её попа действительно кажется визуально больше.
https://www.playground.ru/overwatch_2/news/fanaty_overwatch_otkazyvayutsya_pokupat_sikvel_iz_za_izmenyonnoj_popy_trejser-1196895
