[发明专利]使用云游戏网络的人工智能(AI)模型训练

说明书

一种用于处理游戏应用程序的人工智能(AI)模型的方法。所述方法包括使用从所述游戏应用程序的情境的多个玩游戏过程中收集的训练状态数据和所述多个玩游戏过程中的每一者的相关联成功准则来从所述情境的所述多个玩游戏过程中训练所述AI模型。所述方法包括在所述情境的第一玩游戏过程期间接收第一输入状态数据。所述方法包括将所述第一输入状态数据应用于所述AI模型以生成指示所述情境的针对所述第一玩游戏过程的成功程度的输出。所述方法包括基于预定义目标来执行所述输出的分析。所述方法包括基于所分析的所述输出来执行动作以实现所述预定义目标。

J.V.贝尔特兰、D.巴特勒、K.克雷根布林克

技术领域

本公开涉及人工智能(AI)模型训练，并且更特定地，涉及使用游戏云系统的服务器控制台网络来收集与远程玩家相关联的训练数据，所述训练数据用于AI模型训练。

背景技术

人工智能算法是为了从数据中进行学习而设计的。AI模型可以基于所学习的数据来构建，并且足够灵活，以根据提供给AI模型的输入来执行多种功能。

然而，提供数据来训练AI模型是复杂的。在不太简单的示例中，使用大量的对象图像来训练被配置用于辨识对象的AI模型。例如，使用大量的对象图像来训练AI模型。生成和收集那些图像是困难并且非常耗时的。基本上，AI模型被训练来辨识存在的每个类型的对象。试想一下为每一对象收集所述对象从不同角度拍摄的多个图像。以这种方式，当呈现对象的新图像时，AI模型可以提取各种识别特性(例如，轮廓、颜色、特征、大小等)来确定那些特征是否与所学习对象的特性相匹配。对象的数量是无限制的，并且那些对象的各种视图也是无限制的。因而，训练AI模型来辨识对象可能是一个持续性过程。

正是在这种背景下，出现了本公开的实施方案。

发明内容

本公开的实施方案涉及用于训练与游戏应用程序的玩游戏过程相关的AI模型的系统和方法。所述AI模型是通过深度学习引擎构建的，所述AI模型被配置成提供与游戏应用程序和/或游戏应用程序的玩游戏过程相关的各种功能性(例如，提供推荐、发现玩家的弱点、发现游戏应用程序中的缺陷、训练玩家、向玩家提供对手等)。AI模型可以使用庞大的服务器网络(例如，服务器控制台、游戏服务器等)来训练，所述服务器网络被配置成执行游戏应用程序的实例以支持多个玩游戏过程。例如，服务器网络可以支持远程用户的玩游戏过程，每一远程用户通过对应客户端装置玩游戏应用程序。在支持远程用户的玩游戏过程的正常过程中，可以从服务器网络收集训练数据，并使用所述训练数据来训练与游戏应用程序相关的AI模型。通过从被配置成支持远程用户的玩游戏过程的现有服务器网络中收集训练数据，集中并减少了收集训练数据时所消耗的时间和精力。也就是说，通过在服务器网络上进行记录来构建输入的训练数据集所需的时间显著减少。在某种程度上，AI模型学习游戏应用程序的复杂性以及如何玩游戏应用程序。以这种方式，给定游戏应用程序的玩游戏过程的条件(例如，特定玩游戏过程的游戏状态)作为输入，AI模型可以分析所述条件并提供对所述条件的适当响应。所述响应可以取决于预定义目标。因为AI模型理解如何在给定不同目标(例如，探索性的、直接到结尾的、最容易玩的、最难玩的等)的情况下玩游戏应用程序，所以AI模型可以确定如何指导玩游戏过程(例如，确定实现对应目标所需的接下来的输入序列是什么)。具体地，AI模型可以用于执行与游戏应用程序和/或游戏应用程序的玩游戏过程相关的各种功能性，其中功能性取决于对应的预定义目标。例如，AI模型可以用来训练职业玩家成为所有玩家中的佼佼者，方法是让学生玩家与终极对手对抗，或者引导学生玩家通过各种挑战来改善学生玩家的弱点。另外，AI模型可以通过不断收集训练数据并基于成功准则将新的训练数据与现有的训练数据进行比较来不断完善。