实况足球2018大师联赛攻略教练模式（就是ai互相踢）如何设置难度？

点击联系发帖人 时间：2018-09-30 00:43

实况足球2018大师联赛

作为每年一搞的年货，《实况足球2019》依然秉承着系列优良的手感与写实细腻的比赛风格。相比前作《实况足球2018》，除了每年都会修修补补的各种细节外，本作的最大惊喜在于AI的变化，正是这种变化，90分钟的比赛充满偶然，并且戏剧性十足。

当然版权问题依然没有解决，豪门劲旅里拿得出手的依然只有利物浦和巴萨，再加个新贵大巴黎，每每开始踢各大重要赛事时，总觉得少了些什么。

如前面所说，本作的最大惊喜在于AI，这种变化不在于场上球员变得更讲究策略或是更富侵略性，而是更富生命力与变化。这些进步和一个球员能否在球场上做出几十种或是几百种动作没啥太大关系，而是面对瞬息万变的赛场状况，表现得更有“人样”，更符合当下的比赛氛围。比如说在双人滑铲中抖机灵地紧急一跳，又或者各种戏精上身的假摔，推搡，截断等等。加之本来许多球员就有各自的个性特点以及球场角色，这些配上新的AI就构成了多重变化的绿茵生态。

在本作中，恶意犯规，黑哨，假摔比之以往会出现的更为频繁，有时候甚至可以一定程度影响比赛结果。球员状态这个属性在前几作表现得并不明显，而在本作中却有深度体现。状态好起来有如神助，哪怕数值差些的球员也能传出好球，射出世界波，而状态下滑的人则会形同梦游，像前锋这种更会射失必进球或者乱传乱射，巴神那种神经刀式的表现也不会少。

这些变化也如同一把“双刃剑”，虽然丰富了球场表现，让90分钟的绿茵场大戏充满偶然，随时有可能让你惊出一身冷汗或是兴奋到大吼，但也带来了很多不可控现象。不管你操作如何细致与正确，常常都会冷不丁出现一些意外，比如传球力度失控，抄截中吃牌，乱秀杂技导致必进球射失等等。这一定程度削弱了玩家对比赛的掌控，从看“人”的操作变成了看“天”的运气。另外，防守球员在禁区内各种倒挂开大脚解围，似乎有望成为本作的一道特征式风景线…

如果你花上好几个赛季征战一下大师联赛，那么赛场上各个球队的花式表演以及各种“意外进球”，都会让你的世界焕然一新，有些结果甚至显得非常搞笑，只能怀疑konami是不是在AI上有些发力过猛，为这群戏精球员开了挂。

不过大师联赛也加了不少形式上的新东西，完善的球队经营，更加全面的系列赛事，以及教练旁观模式，使得本作的大师联赛更为耐玩。明星球员和特技的作用远强于前几作，其成长与发展必须加以重视，在十分“看心情”的赛场上，往往“挂越多”，胜利越有保障。

因为AI的调整，本作的节奏也有所变化，为了避免球员个性所带来的各种“意外”，你唯有更稳妥地进行操作，才能更好地掌控比赛。相比《实况足球2018》，本作无论是球速还是场上的推进速度都要更慢一些，球员传接球的惯性进一步提升，外加低平球与高球的接应也不再像前作那样“智能”，任何不慎操作都可能轻易地将球权交给对手。

传接球的力度在本作中也被改动得“十分微妙”，如果你还习惯于往常的操作，那么很可能会很不适应现在的手感，按多了传大传远，传给了不想传的远点位，按小了球速慢容易被截断。大部分情况下，寻找安全区的队友会是最优选择。因为这些改动，阵地战和防守反击成了非常泛用的选择，属于“万金油”。

战术大体上继承了前两作的框架，没有太多新增，更多是对战术执行细节上的修修补补。因为本作明星球员以及数值作用的显著提高，不同个体对于战术的适应性会是我们必须考量的一个点。体能强悍的铁人后卫可以适应盯人，逼抢，以及大范围跑动的突前战术，而爆发力强却身体单薄的前锋明显不适合回中场去接应。一些灵活性高的战术，会对球员的进攻意识提出要求，一些阵地战球员并不适合大范围的牵制与侧翼互换。错误的战术往往会让你的球员疲于奔命，有时候依靠操作也无法挽回颓势。知己知彼方能百战不殆，在这一作的表现尤其明显。

相比EA的《fifa》系列大刀阔斧的变革，以及酣畅淋漓的比赛风格，《实况足球2019》在操作与战术变化上更趋于保守，它更希望玩家能深耕于各种进阶操作上，从而在慢节奏中打出变化，但这种方式未免显得过于慢热。

线上对抗部分，网速对于很多中国玩家而言始终是一个问题，一些微妙的延迟往往会让你始终慢别人一拍。新AI的实装使得人与人的对抗比起人机对战更有戏剧性，在你攻向对方大门之前，前后场的抢夺会非常白热化，先是你一个传大，再是他的无意犯规，这种镜头往往会频繁上演。如果双方都是暴躁老哥，那么一场比赛很有可能会演变成一场格斗赛。在每一个皮球的争抢点，都会发生各种各样的假摔，骗犯规，推搡以及“格斗动作”。

就像前文所述，比赛充满了变化，也很有娱乐性看点，就是操作与控制上有些“绝非我意”，一些即兴的操作时常会发生意外。如果成为得分的助力自然是好，但要是成为了丢球的助力，那只能是一脸尴尬。

至于线上氪金的Myclub模式，本作也有了各种新元素的增加，比如现实表现活跃的球员，也会在游戏中进行同步强化，甚至获得新技能；球员槽位已经不需要再购买；新的技能导师与位置能让你的球员变得更强，也更能适应多阵型与多位置，这一实用性设定大幅度提高了手上既有球员的利用率，方便玩家灵活组成阵容。

当然，这一系列改动在方便我们的同时，其根本目的还是希望你尽自己所能地去收集各大赛区的球员。想要球星云集，很简单，请充钱。

《实况足球2019》在系统和表现力上做出了一些可喜的改动，新AI让比赛变得跟实况转播类似，各类戏剧化的表现会让你的每场比赛总是会有点意外。这确实让人挺惊喜，但它的双刃剑效果同时也会让人抓狂。

老实说，相较于老冤家《FIFA》每年的高歌猛进，本作显得有些保守，在保留实况系列精华的同时，做出的改动更多只是修补，而非创新与变革。同时，在版权完全处于劣势的当下，如何对抗老对手的强势进攻，已然是本系列面临的一个严峻问题。

}

虽然我玩实况已经有十几年了，但是因为岁数原因，个人原因，逐渐玩游戏变得少起来，13一直玩到前两天才因为卸载软件时候误操作给卸载了，14和15都是玩了几盘就删除了，所以不得不下载16,……
废话有点多，回归正题，上来玩的就是一球成名，感觉和13差距太大了，整个战术似乎都是在围绕玩家进行的，使用了修改器，也只是训练点多了，试着训练了几个位置，突然发现把我从中锋调度到后腰了，马上停止了这个愚蠢的训练全场位置的举动，每次再有好位置的时候AI都会把球传到相应的位置，我玩的是四星，至今未敢尝试再高难度。选择西甲后，给我分配到皇家社会……虽然8年前我还敢说自己是个球迷，至今为止我还真不敢说我是个球迷了，因为大多数球员我都不认识了……
再说回游戏吧，最开始的时候我以为跳过比赛和参加比赛得到的经验值是一样的，于是除了开始很新鲜完了十场左右，于是开始跳过比赛……于是悲剧出现了，球队降级了……经纪人告诉我，有球队给我开价，全是我不认识的球队……四支球队是阿根廷的，有一支球队俱乐部排名是123，比我的球队强很多，但是母队情节早就我是个怀旧的人，我留下来，开始带领球队回归甲级联赛的任务，因为难度不高，所以很轻松经过一年努力，回归了西甲，并在这一年中有幸被国家队选中了，在国家队（德国队）开启刷进球模式，一场进球四五个，这时候发现，每场得分8.0或者8.5数值会涨的很快，而且状态永远都是红色，进过四五场测试，都是这样，每次比赛结束，经纪人都会跟我说，能力有显著提升，很多能力提升了…………
其实我是个16新玩家，实况玩的时间长，但是16是才玩两天，我想问一下各位大神，是不是评分越高能力涨的越快……还有中前场技能最实用的是哪些？

红色闪光状态说明处在快速上升时期，和评分关系未知，一般发于第一赛季末第二赛季初；中前场个人建议学习首 ...

可是我已经在第三赛季初期了…………你的意思就是说，我下一场即使表现一般般也会有突出的数值增长吗？今天回去试试。因为我以为是和表现评分有关系呢

可是我已经在第三赛季初期了…………你的意思就是说，我下一场即使表现一般般也会有突出的数值增长吗？今 ...

应该与评分无关，不过我没试过低于6.5...是经验值大幅增长，数值是否增长与你当前经验条进度有关，不过基本每场都会有数值增长，持续几场不记得了，基本一个过程下来总评能涨10分

}

不过更让我激动的（甚至唤起了我的‘少年梦想’），则是利用 AI 生成伪造的色情影片：

《AI 生成的色情片》

另外，游戏行业也在大规模采用这些新型技术，例如利用 GAN 生成景观、英雄甚至整个世界。在我看来，我们必须提高自己的分辨能力——从伪造的色情影片到欺诈性网络人物。

全部神经网络皆遵循同一独特格式

现代开发领域（不仅仅是在人工智能行业）的一大难题在于，我们往往面对数十种作用基本相同的框架方案。目前，每家投身于机器学习领域的大型企业都拥有自己的框架：谷歌、Facebook、Amazon、微软、英特尔、甚至包括索尼与优步都是如此，这还不算其它众多开源解决方案。在单一人工智能应用程序当中，我们往往需要使用多种不同框架——例如利用 Caffe2 实现计算机视觉，PyTorch 实现自然语言处理，TensorFlow/Keras 则专攻推荐系统。将这一切加以合并需要耗费大量时间，意味着数据科学家与软件开发人员需要费心费力，而无法专注于处理真正重要的任务。理想的解决方案应当是一种独特的神经网络格式，且可轻松与各类框架进行对接，包括允许开发人员轻松部署、确保科学家能够轻松使用。在这方面，ONNX 应运而生：

《ONNX：开源神经网络改变了格式》

在我看来，这类 Zoo 方案只会越来越多 ; 再加上 ONNX 这类生态系统的出现，这些方案将变得更加集中（并凭借机器学习区块链类应用实现本体分散）。

设计一套神经网络架构无疑是一项痛苦的任务——有时候，大家可以通过叠加卷积层获得相当出色的结果，但在大多数情况下，我们需要利用直觉与超参数搜索等方法认真设计宽度、深度与超参数——例如随机搜索或贝叶斯优化。而且对于除计算机视觉以外的其它工作，我们不光需要对 ImageNet 上训练完成的 DenseNet 进行微调，同时也要面对 3D 数据分类或者多变量时序应用等其它难题。

目前已经存在多种能够利用其它神经网络从零开始生成新的神经网络架构的尝试，但其中我最为看好的，当数谷歌研究团队拿出的最新成果：

AutoML 用于大规模图像分类与对象检测

他们正在着手构建自然语言处理与数据库的接口，希望借此克服现代编码器 - 解码器自回归模型——即不仅能够对文字或句子进行嵌入，同时还可实现字符嵌入。此外，ROUGE 等自然语言评分优化机制等研究成果同样值得关注。

我相信通过上述开发工作，未来我们的聊天机器人至少能够获得更强大的智能信息检索与命名实体识别能力，并可能会在一部分封闭领域当中出现完全由深度学习技术驱动的机器人方案。

时序分析的当前发展水平

除了 Salesforce 之外，另一股遭受严重低估的机器学习研究力量当数优步 AI 实验室。前一段时间，他们曾发表一篇博文，其中展示了其时序预测方法。老实讲，这实在令我感到受宠若惊——因为其成果与我在应用当中使用的方法基本相同！下面来看这一将统计特征与深度学习表达加以结合的惊人示例：

优步公司利用递归神经网络预测极端性工程事件在优步公司，事件预测能力允许我们根据预期中的用户需求设计面向未来的服务方案。

此外还出现了其它更激动人心的实例，包括利用 34 层 1 维 ResNet 诊断心律失常。最酷的是其拥有非常出色的成效——不仅远超多种传统统计模型，甚至在诊断率方面胜过了专业心脏病专家！算法诊断心律失常疾病，准确度超越心脏病专家|斯坦福新闻由斯坦福大学计算机科学家们发明的一种新算法能够对心律数据进行筛选……

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

}

久游无息网