人工神经网络
一个最重要的创新：人工神经网络
简单来讲，神经网络意味着理论上它可以学习任何用户动作的映射！
为了介绍一会儿将使用的一些术语，从状态到行动的映射将被称为“策略”。
为了让拳手的神经网络学习策略，AI Arena将采取模拟学习和强化学习。其中神经网络架构存储在IPFS上。
在上图中，神经元之间的连接称为“权值”。当你的神经网络正在“学习”时，所发生的是它正在改变权值的值。
Meta发布语音生成AI Voicebox，支持为元宇宙中的角色生成配音:6月17日消息，Meta发布语音生成AI模型Voicebox，支持从文本中生成语音，能够根据仅两秒长的样本匹配音频风格，并将文本样本转换为另一种语言，在给定单独的语音样本的情况下，并能够以说话者的原始语音朗读翻译后的文本内容，目前支持六种语言：英语、法语、德语、西班牙语、波兰语和葡萄牙语。
Meta表示Voicebox也可以让元宇宙中的虚拟助手和非玩家角色发出自然的声音，可以让视障人士听到AI用他们的声音朗读的朋友的书面信息，为创作者提供新的工具来轻松创建和编辑视频的音轨等等。[2023/6/17 21:43:39]
权值最终将决定状态如何映射到动作，这意味着我们可以将权值解释为“智能”。
神经网络权值对于每个NFT都是唯一的，并存储在以太坊上。
Multichain CEO回应质疑：Fantom DAI由以太坊等7个链的DAI 1:1支持:9月22日消息，以太坊链上研究员bartek.eth发推称，Multichain使用EOA作为Bridge托管，在Fantom上通过7400万的DAI进行抵押铸造超过1亿美元的跨链DAI。链上交易数据显示，在2021年7月的一系列交易中，验证者从托管中移除DAI，而没有进行相应的销毁，而被挪用的DAI再次被用于“向其他链提供流动性”。对此，bartek认为，一旦遗留的增发跨链DAI进行有效的赎回，普通用户的托管资产将受损。
Multichain联合创始人兼CEO Zhaojun表示，Multichain有两个路由路径支持从Fantom跨链至超过8条链，不是只支持跨链至以太坊。Fantom DAI由以太坊和其他6个链上的底层DAI 1:1支持。
bartek质疑为何截图显示Fantom上3013.8万DAI由anyDAI合约持有，Zhaojun回复称，因为用户通过Router Pool将Fantom DAI桥接到其他链。路由器流动性池在不同的链上动态变化。[2022/9/22 7:13:35]
AI设计机制全攻略
Ikigai Asset Management计划为其风险基金筹集4000万美元:1月22日消息，两位知情人士透露，在强劲的投资者需求下，加密对冲基金公司Ikigai Asset Management将推出第一只风险投资基金。
该公司此前一直通过其旗舰基金Ikigai Opportunities Master Fund持有私营区块链公司的股份。Ikigai最初计划为其风险投资基金筹集2000至3000万美元，然而，投资者的需求导致该公司将基金的超额认购规模限制在4000万美元，该基金将在本季度的某个时候推出。（Blockworks）[2022/1/22 9:05:23]
状态
（1）什么是状态？
状态是环境在某个时间点的表示。它并没有包含所有信息——只包含了其中必要的信息。
例如：研究人员使用屏幕上的所有像素作为状态，让AI计算出像素代表什么。然后根据他们认为对决策过程重要的因素进行人工调试。
xDai Chain上线DIA Oracle:据官方公告，xDai Chain上线DIA Oracle，DIA预言机为xDai生态系统提供广泛的DeFi和CeFi金融数据，以支持基于准确数据点创建新的去中心化应用程序。[2021/8/6 1:39:47]
AI Arena一再强调其关心的是为所有人提供平等的机会——团队希望奖励能够更多地给予坚持训练AI的用户，而不是奖励拥有更多资源的用户。
（2）游戏将使用哪些变量？
下面是状态中包含的变量列表。需要注意的是，AI Arena将使用下标1表示用户自己的AI，下标2表示对手。
此外，竞技场的左边界的X位置为0，右边界的X位置为1。
动态 | MakerDAO 多抵押 Dai （MCD）暂只支持 ETH 和 BAT:MakerDAO 风险管理负责人 Cyrus Younessi 在 MakerDAO 官方论坛发帖更新了多抵押 Dai （MCD）发布前后的风险治理路线图状态，并宣布考虑到迁移过渡阶段其货币政策会鼓励新 Dai 的供给，因此挑选抵押品的时候执行更加严格的标准，最终选择暂时只推出除 ETH 以外的一种代币 BAT，原因在于 ETH 和 BAT 是可选范围内资产质量和流动性最好的两种加密货币。[2019/10/21]
训练
（1）训练概述
这是改变神经网络中权值的过程，以使AI能够起作用。
例如：如果我们在对手面前，我们可能希望我们的战士出击。
有一系列的权值可以实现这一点，训练的重点是让AI学会在特定场景中采取特定的行动。
AI Arena在应用程序中嵌入了以下培训计划：
模仿学习
为了学习如何战斗，你的AI将观察你并学习模仿你的动作。
自我学习
为了学习你无法教给它的技能，你的AI将与自己的副本对抗，以不断提高。
（2）为什么需要训练？
1·随机初始化
首次创建NFT拳手时，神经网络权值也随之生成。一开始它会随机采取行动，因为它不知道在什么情况下应该采取什么行动。
因此为了准备战斗，我们必须训练它，使它学会一个好的作战策略。
2·随机策略
正如上文“神经网络”部分中提到的，从状态到动作的映射称为策略。
换句话说，策略定义了代理在某些情况下的行为方式。在训练之前，NFT拳手还没有学会一个好的战斗策略，所以只是随机行动。
（1）通过观察学习
理解模仿学习的最好方法是想象你是一个师父，你的AI是一个你正在准备战斗的战士。
你用你的人工智能进行搏击，它学习模仿你在特定场景中的动作。
我们正在写一篇关于模仿学习的综合博文，到时候会将其链接到这里。
（2）演示
实际情况：你实际操控的是左边的灰色拳手，而你的AI在右边。你可以测试一些动作，观察AI如何模仿你。
请注意：它不会立即复刻你的动作，因为神经网络需要一点时间来学习，所以在AI学会之前，你可能需要多重复几次你的动作。
为简单演示，目前AI Arena只允许用户使用这些操作：向左跑、向右跑、单拳、双拳和防守。
（1）完美匹配
最完美的拳击搭档就是用户自己。通过自我学习，你的AI总是在不断地挑战自己，不断地改进。
（2）不同的学习范式
通过模仿学习，AI通过观看演示进行学习。在自我学习中，AI像对手一样学习和战斗没有多大意义，因为对手是人工智能本身的克隆。
但是如果没有专家向人AI展示如何战斗，那么它如何学习该做什么呢？——通过奖励。
AI将学会采取给予它更多正向奖励的行动，而减少采取给予它负面奖励的行动。
定制训练
Python环境【正在准备中】
AI Arena计划为玩家引入一个python环境来训练他们自己的模型。
目前，用户仅限于使用团队在应用程序中提供的两种培训方法；但不久的将来，应用程序将可以允许玩家导入其自定义培训模型并上链。
游戏模式探索
战斗
AI Arena目前有两种可用的作战模式：模拟赛和排位赛。除此之外，团队计划在不久后整合另外两种作战模式。
1）模拟赛
玩家可以在对抗竞技场测试他们的拳手来预先训练的AI。在这种模式下将没有任何奖励。
2）排位赛
玩家将让他们的拳手去对抗来自世界各地的拳手。玩家的唯一目标就是努力攀登排行榜，成为竞技场的冠军！
玩家在排行榜上的排名越高，赢得一场战斗的回报奖励就越高。
3）目标
虽然每种战斗模式都有其独特之处，但它们都有一个共同的胜利目标：在指定的时间内消耗对手所有生命值。
链金交易员总结
目前AI Arena尚处在早期，很适合提前埋伏观察。据官方透露，游戏正式版本大概率于明年推出，而今年年末推出的测试版本将只有白名单用户可以参与体验。
白名单用户名额的获取方式是参与团队即将推出的解密游戏，通过游戏后的用户将会被随机选择是否进入白名单。
有兴趣的玩家可以加入他们的Discord尝试体验，大概率后期会有早鸟空投奖励。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。