看板 C_Chat作者 BrowningZen (BrowningZen)標題 [閒聊] 贏了!人比AI會猜寶可夢!時間 Tue Sep 6 16:02:51 2022
剛剛在跟隔壁同事聊天，他說前陣子教了一門課，學生的作品實在很有趣
題目是說寶可夢越出長得越奇怪，有沒有方法一眼就看出屬性
https://i.imgur.com/KeT0liU.png
首先找了一群朋友，最準那位也只能到六成準確率
https://i.imgur.com/9JKLTgW.png
像這些寶可夢就雞巴難猜，"需要抽象的想像力"
https://i.imgur.com/g1cGicH.png
方法一用顏色來做分割
https://i.imgur.com/IXEyFEP.jpg
方法二用形狀作區分
https://i.imgur.com/vNLlJx3.png
結果還是輸給人類
https://i.imgur.com/LQ0h2Jp.png
看來AI時代我們還是有一件可以贏AI的事...哈啊...哈啊...
--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 80.62.116.52 (丹麥)
※ 文章代碼(AID): #1Z5lwjQq (C_Chat)
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1662451373.A.6B4.html
推 arrenwu: 你在丹麥當大學教授？2F 09/06 16:06
博(教授)後(的狗)啦
兩個的話應該是比重
只中一個就好
推 jeff666: 一般系怎麼猜的阿 其他都不是才猜一般?4F 09/06 16:06
→ s175: 現在顏色也不是屬性的第一判斷依據了5F 09/06 16:08
水系好像還是很好猜
或者是造型看起來不會用屬性魔法的
※ 編輯: BrowningZen (80.62.116.52 丹麥), 09/06/2022 16:08:42
推 protess: 還以為是看剪影猜寶可夢7F 09/06 16:09
推 amsmsk: AI: 皮卡丘 FUCK!10F 09/06 16:10
※ 編輯: BrowningZen (80.62.116.52 丹麥), 09/06/2022 16:11:12
推 WildandTough: 可是他說11隻沒人猜對（如果我英文沒理解錯的話）但無極汰那是毒龍 答案給毒 然後有人猜龍被算錯@@13F 09/06 16:12
喔喔那我想應該是猜第一屬性
※ 編輯: BrowningZen (80.62.116.52 丹麥), 09/06/2022 16:17:03
→ DendiQ: 有同時考慮顏色跟形狀嗎17F 09/06 16:17
原來有耶
https://i.imgur.com/IYFl1kZ.png
推 cn5566: 我還以為是猜剪影 原來是看外表猜屬性18F 09/06 16:18
推 Lesterz: 不是AI猜剪影喔==19F 09/06 16:18
→ cn5566: 不過確實 剪影除非惡搞不然要猜贏AI太難了
種族值編號等這種對AI太有利21F 09/06 16:19
※ 編輯: BrowningZen (80.62.116.52 丹麥), 09/06/2022 16:22:15
→ SCLPAL: 猜剪影一律皮卡丘26F 09/06 16:28
→ newwu: 訓練樣本數過低29F 09/06 16:39
推 ltflame: 可是你拿全寶可夢訓練就不是猜了31F 09/06 16:45
推 jarr: 還以為是猜剪影32F 09/06 16:46
→ lbowlbow: 猜第一屬性的話有些很容易猜錯33F 09/06 16:46
推 newwu: 假如用動物插圖做一個pre-trained model 再用那個model下去訓練，不一定能提升34F 09/06 16:46
推 kirimaru73: 你們小聲一點，我怕等等那個GPT3過來打個噴嚏就贏了36F 09/06 16:52
推 tasin: Ai會不會被胡說樹給騙呢37F 09/06 16:55
推 MisterT: 胡說樹土色加綠色 應該是地面系加草系吧(x38F 09/06 16:57
推 vsepr55: 能拿來練的資料那麼少很難贏吧39F 09/06 16:58
推 tasin: 對啊 寶可夢的data才不到1000個 以機器學習來說有點過少40F 09/06 17:00
推 meatybobby: pretrained可能沒幫助 畢竟猜屬性跟現實關聯性不大
應該是直接CNN end-to-end只用image下去train
其他外加的feature本來就可以從image裡面抓到了41F 09/06 17:00
推 kirimaru73: 某位知名Youtuber說過 寶可夢數量無上限 每年都會增加所以大家把model封存之後就可以比個高下了44F 09/06 17:02
推 YeaPa: training data量根本不夠吧？現在才1000多隻？等幾萬隻再來玩吧46F 09/06 17:16
推 kirimaru73: 這個要跟人類公平比很困難，最合理的方法是做N-foldCross Validation，然後N要跟人類選手的練習資料相符49F 09/06 17:30
--