编队,也不可能在战斗中始终保持队形。
但另一方面,如果想要形成战斗力,编队、分组又是必须的。
这就要求飞行员在完成战术动作之后迅速归位。
以此为标准,去约束无人机的行动,并作为机器学习训练的判据,一方面给了模型更大的自由度,一方面也能满足实际使用的需求,可以说是折中情况下最好的选择了。
这两小子不愧是天才啊,一法通万法通,为了这个模型,他们所掌握的绝对不仅仅是单一的人工智能知识而已。
面向对象的开发,才是真正有用的开发啊。
不过,一个普通的学生,怎么会有这样的见识呢?
——
他还不知道,此时的陈念,对于空军战术的了解,其实都是已经有过实践经验的了
“很聪明,这应该是我们最好的解决方案了。咱们现在就开始吗?”
“现在开始!”
王建成点了点头,手指轻敲回车键。
伴随着小型机的风扇转动,程序立刻开始了运转。
一条条数据不断输入到模型中,由于没有可视化界面,所有的学习过程都是以数据的形式呈现。
楚建树看的都不太明白,倒是王建成,一边紧紧盯着疯狂闪烁的一行行代码,一边不断地开口解释:
“已经完成一千次训练了,效果很差,成功率0%不过也正常,我估计至少要训练百万次以上,才能达到初步的效果。”
“五千次,这算成功了一次,有一架无人机归队了,但这是运气,策略还没办法形成”
时间一分一秒地过去,随着程序的不断运转,王建成的脸色变得越来越凝重。
原因无他,成功率太低了!
这个模型的训练效果远远要弱于他的预期,如果按照这样的效率,恐怕亿级的训练都不够用。
那还玩个屁啊?
机器学习中有一条铁律:
当AI的训练强度大于人工训练强度时,那模型就是无效的。
很显然,他手里的这个模型,就是这样的情况。
“不太行啊.这个算法好像达不到可用的标准。”
“训练效率太过低下了,策略生成的速度也慢。”
“这么搞下去,我们还不如人工遍历定制策略来的划算了.”
听到他的话,陈念也皱起了眉头。
他开口问道:
“能看出原因吗?”
“看不出来.我感觉咱们的算法应该是没什么大问题的,但是,冷启动耗费的资源太多了。”
“机器学习的本质也是遍历,但它没办法做任何感性经验的参考。”
“也就是说,人工先验和机器先验拉不齐”
看着王建成略微有些失望的眼神,陈念继续问道:
“上次聊的混淆矩阵呢?能解决吗?”
“解决不了.现在我们的问题是,priors和experience都比较少,想要高效得到高水平解决方案,就必须要求机器的智能化
请收藏:https://m.mfbqg.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)