стратегия starcraft

Игровые микротранзакции: когда лошадь стоит дороже стратегии

Современный игровой мир буквально заполонили микротранзакции. Казалось бы, вбухиваем кучу денег в "бесплатные" игры, а радости-то – как с кошки слезы. На примере всем известной компании "Blizzard" хочется ещё раз поковырять эту тему.

Когда-то "Blizzard" были богами. "Starcraft", "Diablo", "Warcraft" – звучит как гимн эпохи, так ведь? Однако, с какого-то момента корпорация явно свернула куда-то не туда.

Вот, пидоры, нарисовался на горизонте бывший сотрудник "Blizzard" – Джейсон Тор Холл, который без стеснения сказал всю правду: микротранзакции – золотая жила. Он на своём горьком опыте показал, что два года переработок над "StarCraft II: Wings of Liberty" принесли меньше денег, чем тупая лошадка в "WoW".

Да, господа, я об истории с "летающим конём за 25 баксов". Благодаря одной единственной микротранзакции, милые разработчики подняли миллионы. 140 000 человек в очереди за виртуальной лошадью – звучит как анекдот, правда? Вот так, в 2010 году "Небесный скакун" показал нам, что одна сраная микротранзакция может зафигачить денег больше, чем целый флагман студии.

«Вам интересно, почему эти компании делают микротранзакции? Потому что [люди] продолжают всё это покупать», — вот так жёстко высказался Джейсон Холл. И знаете что? Он прав. Мы ведёмся как рыба на блесну каждый раз, когда видим такой "эксклюзив". И это там, где ты уже отдал полную стоимость за игру! Вот это мастер-класс по заработку на виртуальных поняшках, а не играх с историей и душой.

Но самое ужасное в этой истории – наша собственная слабость. Почему мы, игроки, продолжаем ловиться на эти удочки? Мы ругаем корпорации, а потом сами идём и покупаем очередной "эксклюзивный" скин. Вместо того, чтобы требовать от игр качества и содержания, мы позволяем разработчикам делать на нас деньги "хитроумными" способами.

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.

Сурс

Надеемся на лучшее, готовимся к худшему.

Мультяшный StarCraft: Remastered доступен к скачиванию

Long live the Swarm!