بقلم سوبر نيرو
يصادف يوم 13 يوليو/تموز هذا العام الذكرى السنوية الثانية لإطلاق لعبة "بوكيمون جو". على الرغم من أن اللعبة لم تدخل السوق الصينية بعد، إلا أن هذا لا يمنع هذه اللعبة الكلاسيكية من اكتساب مستخدمين عالميين. في قائمة الدخل الأخيرة،بوكيمون جو هووهي رابع أعلى لعبة محمولة من حيث الإيرادات في العالم، بعد "Honor of Kings" و"QQ Speed" و"Fantasy Westward Journey"، وهو ما يعني أن "Pokemon Go" هي المنتج الأعلى إيرادات بين ألعاب المحمول غير الصينية في العالم.
هناك أيضًا مجموعة من المهندسين المللين وغير الناضجين الذين تمكنوا بنجاح من التنبؤ بنتائج المعارك بين بوكيمون المختلفة في "بوكيمون جو" من خلال نماذج التعلم الآلي.
تم إطلاق لعبة "بوكيمون جو" في سبتمبر 2016 وحققت نجاحا كبيرا. تم تطوير اللعبة بشكل مشترك بين شركة Nintendo وشركة Pokemon Company ومختبرات Niantic التابعة لشركة Google.
ومن بينهم، بوكيمون المسؤول عن دعم المحتوى وتصميم الألعاب ومحتوى القصة؛ وتتولى شركة Niantic مسؤولية الدعم الفني وتوفير تقنية الواقع المعزز للعبة، في حين تتولى شركة Nintendo مسؤولية تطوير اللعبة وتوزيعها عالميًا.
تعتمد اللعبة بشكل أساسي على تقنية الواقع المعزز، حيث يمكن للاعبين التقاط البوكيمون ومحاربته في العالم الحقيقي من خلال هواتفهم المحمولة.
هناك أكثر من 800 بوكيمون في اللعبة، موزعين على معسكرات مختلفة. يتمتع كل بوكيمون بخصائص مختلفة، بما في ذلك الهجوم والدفاع والضرب والسرعة وما إلى ذلك.
إظهار قيم السمات لبعض هذه البوكيمون
جولدوك هو أقوى تنين في بوكيمون
تمثل قيم هذه السمات مجموعات البيانات لنتائج التنبؤ لنموذج التعلم الآلي. حاليًا، يتم إكمال النموذج بشكل أساسي من خلال ثلاث خطوات: "بناء مصنف، وتدريب مصنف، واختبار مصنف".
بناء مصنف
تُستخدم المصنفات بشكل أساسي لتصنيف البيانات، مثل إعطاء صورة، وتصنيفها على أنها كلب أو قطة. الأكثر استخدامًا هو مصنف الغابة العشوائية، والذي يعمل عن طريق تدريب وتوقع بيانات العينة استنادًا إلى أشجار القرار المتعددة.
مصنف شجرة القرار
دعونا نتحدث بشكل مختصر عن أشجار القرار. لنفترض أن لدينا بعض المعلومات حول نوع أو طول أو وزن أو سرعة حيوان ما، وطلب منا أن نستنتج ما إذا كان هذا الحيوان قطة أو كلبًا أو شيئًا آخر. ويمكن تحقيق ذلك من خلال شجرة القرار.
كما هو موضح في الشكل أعلاه، يتم إنشاء سؤال في كل عقدة من شجرة القرار. يمكن تقسيم الأشجار الفرعية بشكل أكبر وفقًا لإجابة السؤال، ثم يتم تكرار العملية بأكملها حتى نحدد ما إذا كان الحيوان قطة أم كلبًا.
يمكن ملاحظة أن ميزة مصنف شجرة القرار هي أنه بالنظر إلى مجموعة البيانات، يمكنه طرح الأسئلة الصحيحة في كل عقدة (أي معرفة معلومات المكسب)، وبالتالي تقسيم الشجرة وزيادة دقة كل تنبؤ.
مصنف الغابة العشوائية
مصنف الغابة العشوائية عبارة عن مجموعة من مصنفات شجرة القرار المتعددة. وبالمقارنة باستخدام شجرة قرار واحدة، يمكن لهذه الطريقة الحصول على نتائج أفضل وهي أكثر عملية.
حسنًا، الآن دعونا نبني مصنف الغابة العشوائي هذا. كما هو موضح أدناه: يعطي n_estimators عدد أشجار القرار المستخدمة لإنشاء الغابة العشوائية على أنها 100.
تدريب المصنف
يتم استخدام قيم السمات الخاصة بالجان كمجموعات بيانات (أي x_train)، ويتم تدريب المصنف من خلال مجموعات البيانات هذه لتقليل الخسارة بين القيم المتوقعة والقيم الفعلية (أي y_train) في مجموعة التدريب.
يجب أن يتم تدريب المصنف بأكمله من خلال تحديد العلاقة بين قيم السمات المختلفة. وأخيرًا، تصل دقة مصنف الغابة العشوائية إلى أكثر من 95%.
اختبار المصنف
في التنبؤ الفعلي، لا تزال مجموعة البيانات المستخدمة هي قيم السمات لجميع العفاريت، ويتنبأ مصنف الغابة العشوائية بالنتائج بناءً على هذه القيم.
أونيكس، بيجون، سكويدوارد و جولدوك هم 4 شخصيات في لعبة "بوكيمون جو". سوف يتنبأ هذا النموذج بنتائج Onix VS Pidgeon و Squidward VS Golduck على التوالي.
التنبؤ: فوز أونيكس
التنبؤ: فوز جوليم كأس الشفط
لم يظهر هذا النوع من المعارك في "بوكيمون جو" من قبل. إذا كنت تلعب هذه اللعبة، فمن الأفضل أن تجربها مع أصدقائك لترى ما إذا كانت النتائج مطابقة بالفعل لتوقعات هذا النموذج.
لقد تم نشر المشروع على موقع Github من قبل المهندسين، ويمكن للأصدقاء المهتمين الآخرين أيضًا الاطلاع عليه.
