帝国时代4机器学习AI：将不断变强直至不败！
帝国时代4发售后考虑加入机器学习AI，一旦触发，玩家将面对一个不断学习的AI，最终不断进化无法被击败，这是人工智能首次在帝国时代系列中的应用。
详细内容
在间隔16年之后，微软重要即将要推出《帝国时代4》了。随着我们越来越接近发售日（10月28日），关于这款的更多细节也逐步流出。在接受Kotaku采访时，世界边缘系列创意总监Adam Isgreen透漏在《帝国时代4》发售后，他们很有可能会激活一个“无情的”机器学习AI，最终会变得无法被玩家打败。
“我们现在使用机器学习来训练人工智能（AI），但我们希望能让它走的更远。将来的某个时候（不是发售时），我们可能会考虑建立一个无情的人工智能，它会不断学习更多的人与它对抗，直到它变得不可战胜。但我们对此并不介意。因为如果你选择了这种难度，如果你想选择让人工智能更好地击败你，请便。
我们可以在多个方面用到它，也就是我们如何设置不同的难度。比如，我们在《杀手本能2》中做了很多这样的工作，我们的人工智能会学习如何像玩家一样游玩，甚至是嘲讽。你知道对于像《杀手本能》这样的游戏，就像是玩家什么时候茶包（不停地做蹲起动作，嘲讽激怒对方玩家），他们在等待玩家起身的时候如何移动。我认为我们可以开始将很多东西应用到RTS游戏中。但人工智能做的是玩家做的事情，我们试图模仿并加入玩家所使用的策略。”
机器学习是一种实现人工智能的方法机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。举个简单的例子，当我们浏览网上商城时，经常会出现商品推荐的信息。
这是商城根据你往期的购物记录和冗长的收藏清单，识别出这其中哪些是你真正感兴趣，并且愿意购买的产品。这样的决策模型，可以帮助商城为客户提供建议并鼓励产品消费。机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。
从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。
游戏中的AI具备学习能力后，会不断变强，就像阿尔法狗。
