如果阿爾法狗和人類一起打爐石那麼誰會贏?
01-01
假設阿爾法狗是從一開始打爐石,慢慢攢錢開的包,假設它24小時都在玩
它真的能算出你所以的卡牌套路嗎
看臉傳說,打臉英雄傳
阿爾法狗計算能力強,不過打不過臉帝。
或者說,時光龍一生之敵。
實名反對看不起阿爾法狗的
運算其實很簡單 打牌都是套路 對面什麼職業 什麼套路 其實都在你我人肉打牌的時候記憶下來了而阿爾法狗本身最厲害的地方是數據分析以及會學習 實戰越多越厲害對於爐石這種牌池固定 抽牌有概率 出牌計算最優解的遊戲 機器比人確實強很多至於所謂的星界德這種 人天胡星界 人擋殺人佛擋殺佛 根本沒道理講所以 加入哪天暴雪爸爸財大氣粗找阿爾法狗來玩爐石 我覺得真心是被搞到死 神級操作絕對是阿爾法狗打爐石的商標 就像春季賽錦衣夜行那一手沒打出來的環幕清場勝負手一般
然而 我覺得最可怕的……是阿爾法狗的自創牌組……細細想來 真得可以運算到每一點傷害 每一點血 每一點費用
說實話 圍棋比爐石強多了~下圍棋的都是狠角色 我說腦子17.05.2016 修正內容1,選手衣錦夜行 非錦衣夜行
2,天胡起手 舉個栗子 好比德州 我底牌兩條ACE 桌面頭兩張兩條ACE 你說我要不要ALL IN一把?如果輸給皇家同花順 那這就是命了 請問:我開局桌面兩張+我底牌4條ACE這種概率輸給皇家同花順的概率是多少?這TM再好的技術也盯不住這麼胡啊!你要說這道理也不對,那有空約出來肉搏分高下好了。3,4樓同學說得有點道理,運氣和概率貌似的確是同父異母的親兄弟!攢錢開包的過程根本不用看,不過按照每天140-200的金幣來看,得攢一段時間。alphago的學習能力很強,等它真正學明白了這個遊戲並且觀察了對手的比賽方式之後,相信它的勝率會比人類高。不過要是只看單場比賽嘛,爐石還是有運氣成分存在的。
首先,要狗狗自學爐石的話,它學不會……原因很簡單,它看不懂文字啊……所以每次遇到新卡,基本要程序員把這個卡的功能用程序告訴狗狗才行。其次,即使狗狗懂得規則了,它對自己組卡組還應該是很難的,因為爐石隨機性太強了,讓狗狗弄懂幾個卡組沒問題,但自己組合卡組的難度是之前的無數倍,所以指望狗狗弄出天才的卡組怕有難度。
但是,狗狗絕對能在現有主流卡組(多說幾百個)進行改良,做到比現有卡組強是沒問題的,只是很難有突破性的卡組出來。
最後,必須承認,即使用沒有改良過的主流卡組,狗狗的勝率也會遠高於人類,估計至少70%的勝率沒問題。當然,指望像圍棋那樣百分之百贏不現實。爐石實際難度遠低於圍棋,狗狗想贏人類應該很容易的。首先我不認為阿爾法狗能夠在爐石達到多大的成就,ai之所以牛逼是因為他能推演出對手做什麼,和應對方案,但在爐石,ai完全不知道你的構牌,甚至也推演不出排序,還有一個最大關鍵隨機性,什麼四五仔強行解自己的場,同樣的載人收割機對面一個法力風暴,我們一個爆炸綿羊,什麼傳送門來了個奧秘守護者硬是打成了聖誕法,牧羊人傳來兩個六九翻倍,最令人髮指的,第一回合兩激活,一個星界溝通,第二回合裸下炎魔的德魯伊。
還有這樣的贓牧(手動微笑)
阿爾法狗嚇傻。
媽媽,爐石好可怕!阿爾法狗來自心靈的吶喊,不要給我說你們人品好!我tm不是人沒有人品!!!
大家都從20級開始打,阿爾法狗上傳說最快
不懸牌的話,55開
神抽狗平均十把能贏一把,剩下九把被吊打
圍棋靠技術,爐石靠運氣,一個套路要靠琢磨,一個套路基本靠抄
我覺得阿法狗強,無敵,爐石的套路就這麼多,當阿法狗收集學習足夠多的實戰經驗,在最優解的選擇上絕對比人類強一些,雖然還要看發牌員心情,但7 3開阿法狗還是做得到的
「在經過細緻調查並獲得處罰依據之後,我們決定對五月賽季中被驗證存在依靠超強性能推演行為的爐石賬號處以永久封停的處罰。
阿爾法狗#5653同時,自公告之日起,持有這些爐石賬號的玩家還將會被禁止參加 2017年9月30日之前 所有官方舉辦及官方授權的賽事活動。感謝大家長期以來對《爐石傳說》的喜愛和支持!祝願大家在排名對戰五月賽季中獲得更好的成績。」一個↖(▔^▔)↗ 把它秒了。
刷滿每日金幣不用24小時………
當然是人類贏啦!阿法狗每次都要算最優結果燒繩
我草!!!好想法。。。。真心希望阿發狗挑戰爐石。。。。
問題問的沒有意義,程序設計上就是針對圍棋的,只能算落子位置。對於複雜的牌類遊戲做不到學習型進化,除非你重新設計程序。另外有人做過一個佛祖騎代打軟體,但不是思考型的。
爐石要看運氣...
看來不懂圍棋的還是太多
推薦閱讀:
※如何看待柯潔4月與阿法狗的三番戰,以及人類高手組團對決阿法狗?
※如何看待柯潔在人機大戰後持續連勝?
※如何評價「Google DeepMind 要挑戰星際爭霸」的新聞?
※如何看待阿爾法狗團隊宣布其退役?
※為什麼會設置棋手與 AlphaGo 的配對賽?意義何在?看點有哪些?
TAG:網路遊戲 | 計算機 | 爐石傳說Hearthstone | 腦洞網路用語 | AlphaGo |