Editorial Note
This publication is a Chinese translation of a Alexander R. Galloway's essay "How I Modeled Guy Debord's Brain in Software." The original publication can be found in the "Materials" section of ROMchip, Volume 4, No. 1, July 2022.
Translator's Note
此文是媒介理论家亚历山大·加洛韦谈他作为游戏程序员创作游戏《Kriegspiel》的程序AI的一篇文章。《Kriegspiel》这个游戏是加洛韦根据法国哲学家居伊·德波所常常被人忽略的游戏设计作品《战争游戏》做的数字化重置与再现。文章所吸引我的,是一种我认为在当下研究中很缺乏的东西: 一个多样且鲜活,充满着冒险动手的、理论研究与创作结合的跨学科实践。
这篇文章非常优秀的一点,也是加洛韦行文写作的特色和风格,就是他沟通学术研究与艺术实践的尝试,且多栖并进并未削弱理论的批判性,而是要在批判理论和数字媒体中找到适合自己的方法。这种对知识的物质性和媒介性的关注,也将启发我们思考,新的视觉化技术会给洞察力的生成带来哪些新的可能。
This essay was written by media theorist Alexander R. Galloway on his work as a game programmer creating the program AI for the game Kriegspiel. The game Kriegspiel is Galloway's digital reset and recreation of the often overlooked game design work War Games by French philosopher Guy Debord. What attracted me to the article was something that I think is lacking in current research: a diverse and vibrant, adventurous, hands-on, interdisciplinary practice that combines theoretical study with creative work.
The best thing about this essay, and a feature of Galloway's writing, is his attempt to bridge academic research and artistic practice. His multi-disciplinary approach has not diminished the critical nature of theory but rather to find what works for him in critical theory and digital media. This focus on the materiality and mediated nature of knowledge will also inspire us to consider what new possibilities for insight generation might occur through new visualization techniques.
Translation
我从来不是德波崇拜者的一员。我在大学时读过《景观社会》(Society of the Spectacle),甚至自己也看了几部居伊·德波的电影。我主要是把德波与某种沉闷的前卫艺术联系在一起,充斥着愤怒和无聊的话,尽管时常也觉得好玩和令人高兴。
后来在2011年,作为一名教师,我在一个研究生研讨会上布置了《景观社会》的内容,主要是看在旧时代的份上。结果很惨淡。或者说,这本书的教训已变得如此平凡,以至于许多年轻的学生都不明白其中意义。当生活就处于不断的混乱旋转中,为什么还要呼吁一场日常生活的革命?当许多当代艺术:从各种梗到游戏再到美术都在无休止地采样、翻录和重复时,为什么还要呼吁一种审美上的劫持(aesthetic hijacking)?德波作为毁誉参半的法国作者和电影人,以及情境主义国际(Situationist International)的创始成员,他的工作终于走到了尽头吗?1 德波是否因为他的事业已经胜利而已经成为历史了?
大约在同一时间,我偶然发现了游戏史上的一个奇特插曲,这将吸引我深入探索德波的档案。我了解到,对于一个左派先锋派的偶像来说,德波做了件相当奇怪的事情:在1977年1月,他创办了自己的游戏公司。称之为「战略和历史游戏公司」(Strategic and Historical Game Company),德波的新公司只在其名下推出了一款游戏,叫做《战争游戏》(Game of War),一款由德波自己设计并在过去的数年中一直在玩的双人桌游(图1)。该公司首先用铜和银制作了该游戏的限量版,后来又发行了纸和纸板制作的商业版本。德波与他的妻子爱丽丝·贝克尔·霍(Alice Becker-Ho)合作写了关于这个游戏的一整本书。2
Figure 1
然而,德波的档案和遗产很复杂。1991年,在他去世的前几年,德波指示将他所有现存的书籍捣成浆。这个被更著名的德波书籍和德波电影所掩盖的游戏,渐渐变得默默无闻,最多只能在这个常常难以捉摸的人物的传记中获得一两段的记录。
在个人电脑出现之前,许多艺术家就已经被游戏所吸引。小野洋子用游戏做艺术,其他与上世纪中期国际艺术运动激浪派有关的艺术家也是如此。包豪斯重新构想了围绕游戏和游玩性的艺术课程,至少在一定程度上是这样。马塞尔·杜尚痴迷于国际象棋。这个名单还可以继续列下去。但德波的游戏有一点不寻常,甚至反常。这个一度成为战后革命狂热标志的人物,为何会将他后来职业生涯的一部分投入到由两名对峙玩家在20x25单位的网格上扮演的拿破仑战争模拟器上?
考虑到这款游戏是他周遭四处延展的网络和数据驱动社会的寓言式索引,我决定把德波的《战争游戏》作为一个研究项目看待,并将游戏移植到电脑上。我选择了个新名字,《Kriegspiel》,和一种新的美学风格,但保留了德波德的规则集(图2)3 事实上,这应归功于一个团队的努力。Mushon Zer-Aviv 为《Kriegspiel》创作了艺术和图形设计,DJ /rupture 和 Matt Shadetek 写了一份乐谱。Daniel Perlin 制作了音效。Carolyn Kane 和 Allison Parrish 也为游戏的第一版做出了贡献。
Figure 2
加洛韦等人,《战争游戏》(Kriegspiel, 2022)
这个新名字 Kriegspiel 是基于德语中意为「战争游戏」的单词,实际上是德波自己对游戏的非正式称呼,他在游戏正式发行前的私人信件和笔记中使用了这个名字。游戏最初使用了一个Java游戏引擎,第一个《Kriegspiel》软件原型是可以在线玩的,没有单人模式(因此也没有人工智能 [artificial intelligence, AI])。其实坦率地讲,我当时把德波作为挡箭牌,声称德波原则上不希望人们与电脑对弈,而实际上是因为我还没有学会如何编写人工智能的代码。随着时间的推移,应用程序变得老旧,游戏也因为陈旧而变得无法游玩。它从一开始就有点臃肿和过度设计,有2D和3D模式,还有一个从大型多人在线游戏(massively multiplayer online game, MMO)重新设计的复杂多人游戏服务器。因此,几年前我开始尝试从头重写源码,在新冠疫情流行期间缓慢但勤奋地工作。2021年底,一个针对移动和桌面平台进行了重新思考和设计的全新《Kriegspiel》版本发布了。
在今天,重现德波的历史性算法需要什么?为移动设备重建这款游戏需要什么?幸运的是,规则已经公布,且有一个尚好的档案文件线索。(巴黎国家图书馆甚至保存了一个鞋盒,里面装满了德波用来玩军事类游戏的玩具士兵)。因此,至少在原则上,在新的世纪以新的形式重建德波的游戏似乎是可能的。在开发游戏软件的过程中,有许多步骤是必要的,包括设计游戏模型,实施规则,以及为多人游戏添加网络组件。我想在这里讲讲这个故事的一部分,谈谈我试图用软件重新开发德波游戏的一些细节,特别侧重于游戏的人工智能部分。事实上,对德波的头脑进行建模的构想是特别诱人的。然而,正如我们将看到的,结果并不完全是我一开始所期望的。
在这篇文章中我不会深入探讨玩法本身,但这里有一些基本坐标。4 德波的《战争游戏》分为北方领土和南方领土,每个领土有一条山脉,三个堡垒和两个兵工厂。游戏轮流进行。一个玩家的每回合最多可以移动五个单位,然后对敌方单位进行一次攻击。同时,每个玩家必须保持领土上纵横交错的通信线路,使所有的友方单位都在自己的基地的传输范围内。这些通信线路是游戏的一个特殊部分;它们推动了玩家的战略,是获胜的关键。游戏在20世纪70年代末发布后,德波对他的创造感到很高兴:「这个[游戏]的惊喜似乎是无穷尽的,」他后来在回忆录中坦言。「这可能是我所有作品中唯一的一件——我不敢承认——人们可能敢说有些价值的东西。」5
德波对自己的作品感到高兴,但他对二战后几十年中的法国生活感到厌恶,无论是法国对戴高乐主义传统的懦弱承诺还是超资本主义(hypercapitalism)的羸弱成功。而且我毫不怀疑,如果德波今天还活着,他会唾弃2022年的世界,因为这个世界已经过度充斥着景观、意识形态和异化。我也毫不怀疑他会讨厌看到他珍视的军队游戏在 iPhone 上运行。不过,我从不是德波崇拜者的一份子,而且我对违背大师的偏好没有任何顾虑。在某种程度上,《Kriegspiel》的重现项目,是对这位特殊历史人物的一种友好报复,我们知道,他就以报复他人为乐。尽管这一项目在移动端的运行和当前世界的处境能让德波从坟墓里气得跳出来,但他不满足于现状的精神将作为一种计算机算法再次崛起。
***
注意:我将在下面描述的大部分内容都是非常基础的,可应用于许多不同种类的游戏。这都是人们在游戏人工智能的入门教科书中可能遇到的材料。考虑到这一点,让我们直接跳入其中,专注于德波牌人工智能(Debord AI)的构建。我将在最后补充一些想法,关于这是否,以及这为何对德波来说特别重要。
Figure 3
一个由两种不同权重的链接连接的节点图,用实线和虚线表示。
像国际象棋或围棋一样,德波的游戏是高度结构化的。游戏在一个网格系统上进行。网格中的每个位置都可被一个或多个单位占据。因此,创建德波牌人工智能的首要任务是建立所谓的图(图3)。图是一种数据结构,它是将不同的数据片段组合在一起的一种方式。图由一系列的节点(nodes)组成。这些节点通过各种链接(link, 也叫边 edges)连接起来。一个简单的比喻可能是城市中的街道:广场和十字路口是节点,它们通过各种大街小巷连接。有些道路只能是单向的(one-way),而其他道路是双向的(bidirectional)。图非常有用。它们表示多个实体之间的空间关系。更普遍地说,图能表示任何形式的动态关系(dynamic relationship),(例如一个决策树也可以用图来表示。决策树中的各种问题是节点;问题的答案被链接到树中的后续节点上)。因此,德波式人工智能的第一步是建立一个包含节点的图,每个节点是游戏面板上的一个位置,能够容纳游戏中的各种指示物(tokens,如兵工厂、步兵、山脉等)。同时,有必要为与图相关的基础应用程序提供基础方法,执行如,向图中添加新节点、从图中删除现有节点,以及将图元素从一个节点移到另一个节点等等任务。例如,如果一个骑兵单位向前推进了一个空间,就有必要从图中的一个节点中删除该单位,同时将其添加到图中的另一个节点上。
当图不简单以静态形式出现,而是当它们被动态解析和分析时才变得最有用。因此,一旦图被建立起来,它就变得有利于以各种方式在图中移动。幸运的是,计算机科学家们已设计了基本的算法来进行所谓的图遍历(graph traversal)。这些技术允许玩家从图中的任何任意位置沿着最有效的路径移动到图中的任何其他任意的位置(图的边可被赋予不同的权重,这些权重可以影响在图中移动成本的计算。例如,一个游戏角色可能很容易在陆地上移动,但在水中的移动速度就比较慢)。总的来说,这些方法都属于寻路(pathfinding)的范畴。寻路就是指在图中寻找可行路径的技术(图4)。有许多不同的寻路方法,有些比其他方法更高效,有些则更适用于特定任务。例如,人们可能希望从一个原始节点开始,然后以同心圆的方式向外探索图(所谓的广度优先[Breadth-first]的图遍历)。或者,人们可能希望从原点节点开始,然后在尝试所有其他方向之前,尽可能地沿着一条候选路径探索(深度优先遍历)。广度优先的图遍历在游戏中常见用于确定距的远近。玩家是否靠近了一个敌人?或者,给定一个游戏指示物,相邻最近的其他指示物是什么?
Figure 4
寻路算法显示了一条从原点到目的地的有效路径,可以避开障碍物。
有了图,再加上手头一些基本寻路算法,人们就可以在一个假想的景观中以某种合理的方式移动游戏指示物。这使得游戏角色可以瞄准图中的一个特定位置,然后向它移动。这一切都很好,但对于大多数游戏来说,这并不足够。德波式人工智能的决策比这更复杂,它需要一个额外的技术。首先是如何确定目标的?为什么选择某个目标,而不是另一个目标?我们需要另一个人工智能组件来补充寻路。
有许多不同的做出决策的方法。对于像第一人称射击游戏这样复杂的、开放式游戏,创建所谓的行为启发法(behavior heuristics)往往是有意义的。这些本质上是由状态变量控制的简单规则。例如,一个环境触发器可能使一个怪物或其他非玩家角色(NPC)从空闲(idle)状态进入攻击状态。
但德波的游戏并不是这样的。德波牌人工智能需要一种不同的方法。《战争游戏》不是开放式的。事实上,这个游戏结构严格,高度受规则约束,甚至有些确定性(deterministic)。从人工智能的角度来看,《战争游戏》更像是国际象棋或井字棋,因此需要一种适合此类游戏的特定类型的人工智能。
这种人工智能被称为极小-极大优化(min-max optimization),起步需要两个要素。
首先,有必要为棋盘游戏的任何给定状态下确定(下一步)每一个可能的步骤(move)。(对于像足球这样涉及身体和物体在空间中不断移动的开放式游戏,虽然不是不可能,但要逐项列出每一个可能的动作是非常困难的;对于像国际象棋这样高度结构化的游戏,记录每一个可能的卒子的前进,每一个可能的骑士的巡行,每一个可能的车的平移等等,都是很容易的。)
其次,一个人必须能够计算出任何给定状态的游戏棋盘的数字得分。继续以国际象棋为例:人们可能会计算每个棋子的分数,并在比赛开始时给出一个相对较高的分数;但如果一个棋手失去了皇后,该棋手的分数就会急剧下降,其他棋子也是如此。分数数字本身并不那么重要。最关键的是,任何给定的游戏配置都可以被指定一个特定的分数,至少在原则上是这样的。
有了这两项技术——即,记录所有可能的棋步,并为每一步棋都指定一个分数之后,极小-极大优化的过程进行如下:人工智能创建一个相同的游戏棋盘副本,在上面进行实验;人工智能按顺序依次执行每一步可能的棋;并为每一步走棋产生的新配置计算分数;最终,人工智能根据计算的分数为每一步棋排名。随着优化过程结束,人们可以直接选择最高排名的棋步,并知道这将是最优的。(这里的最优[optimal]完全是通过配置得分来定义的;因此,这种评分标准的设计将对决定何为最优的产生深远影响)。在通常说法中,极小-极大优化也被称为暴力破解(brute forcing),因为它不依赖于任何特殊的策略或直觉,只是对棋盘任何给定状态下的所有可能的棋步进行详尽彻底的计算。
总结一下目前为止拼凑的德波牌人工智能的各个部分:一个节点图代表网格上的单位位置;一个寻路算法确定通过该图的可行路线;一个极小极大操作来收集符合规则的棋步并为它们打分,以便从最佳到最差进行排序。这些工具促成初级水平的游玩。计算机现在能识别符合规则的棋步,并且能在符合规则的棋步中,识别哪些选择可能比其他的要更好。然而,在这种状态下,德波的人工智能仍然是相当有限的。即便它具有简单的句法知识(syntactical knowledge),但缺乏较大的战略语义感(strategic semantics)。为什么要进入一个棋盘区域,而不是另一个?如何计划在三或四个回合内进行更复杂的军事部署?如何虚张声势,或者表演出假装不敌的样子?
Figure 5
应用K均值(k-means)等聚类算法之前(左侧)和之后(右侧)的数据点。在这个例子中,k被设置为3,生成了三个不同的组,在此标记为红色、绿色和蓝色。
为了解决这些更大的战略问题,让我们为德波的人工智能添加最后一个组件。有趣的是,图节点可以像任何数据集一般被分析和筛选。比方说,在 Adobe Photoshop 中使用的各种算法,往往也是在游戏编程中使用的算法。它们毕竟只是数据,无论这些数据是像素或游戏指示物的网格,都不那么重要。出于此原因,我们有可能将各种数据处理算法改编来为游戏中的人工智能使用。一些从数据分析中借用的最有用的工具被称为聚类算法(clustering algorithms)。这些是简单的函数,将结构化的数据作为输入,然后试图在数据的分散图景中识别出聚类或群组。K均值(k-means)算法(图5)是将数据集划分为各种聚类的一种常用方法,还有其他一些方法,针对不同情形进行了优化。6
对于德波的人工智能来说,知道敌方单位在地形上的位置及其聚集程度是很有用的。敌人是集中在一个大队伍中?还是已经分成了两个不相干的势力?是否有游离的单位偏离得太远?同样,对于盟友势力:我的盟军单位是集中在一起还是分散的?我们是否有一个小的或大的集群驻扎在敌人的据点附近?在聚类算法的帮助下,德波的人工智能被赋予更多的战略知识。它可以开始更好地区分某些可能在其他情况下看起来相同的军事演习。
***
一个初级的德波式人工智能对德波本人和他的遗产有什么意义?考虑一下德波所写的一些战略和技术,其中许多也是情境主义国际的特点。回顾一下心理地理学(psychogeography)和漂移(dérive)的技术。回顾德波关于剽窃和劫持的讨论(异轨,détournement)。或者回想一下标志性的巴黎情境主义地图(图6),其中各种街区被切割、重新排列,并以一种流动和灵活的结构连接在一起。
Figure 6
对巴黎情境主义地图中流动和灵活运动流的分析。(图画来源于Guy Debord, "The Naked City" [1957])
人们可能会自然而然地认为,德波尔的《战争游戏》会显示出一系列类似的美学价值,游玩风格会是归纳的、联想的、根茎状的和灵活的。人们可能会认为这个游戏会是关于心理地理学、漂移或劫持的。令人惊讶的是,《战争游戏》与这些技巧中的大多数都不兼容。在德波的游戏的游玩中没有心理地理学,而只有高度理性化和确定性的地理学。而我们可以从德波与贝克尔·霍(Becker-Ho)的比赛记录中了解到他的游玩风格,那实际上是严格结构化的规则性图形,并且已被优化成最佳打法(图7)。7
我用结晶状(crystalline)来形容它,因为晶体是通过对规则结构的迭代而生长发展的。德波被那些为特定游戏规则优化过的规则形状所吸引。这些结晶式的形状看起来像格栅或桁架:十字形、翼形、X形和方框。在研究他的游戏之前,我曾认为德波是一个更加灵活和动态化的思想家。但在研究了这个游戏后,我意识到他也是逻辑性和决定论式的。也许德波比我先前想象的更像一台计算机?
游戏很适合计算机中原生的那种数字结构和逻辑学。当然不是所有的游戏;我指的是高度结构化和规则约束的游戏,罗杰·凯洛瓦(Roger Caillois)在他的《游戏与人》(Man, Play, and Games, Les Jeux et les hommes)一书中把它们归类为竞赛(agôn)游戏。[8] 这类的游戏有分数(数字)。它们有明确定义的胜利状态(逻辑条件)。它们有规则(算法和控制结构)。难怪这类游戏在计算机上运行得如此之好。从某种意义上说,游戏已经是计算机了,至少某些游戏已经是了,包括德波的《战争游戏》。
Figure 7
对居伊·德波《战争游戏》中的结构化作战关系的分析 ......(引自 Alice Becker-Hoand 与 Guy Debord,《战争游戏》[伦敦:Atlas出版社,2007],33页)
我们得出了两个可能的结论,这两种结论在我看来都合情合理。
首先,计算机没有我们想象的那么僵硬。作为一种数据结构,图实际上是高度灵活的。那张著名的巴黎情境主义地图看起来已经很像一张图了。而且将聚类算法应用到德波的心理地理学的路线上也不会太难。(我并不是说结果会很有成效,只是说这些材料已经很适合于这种形式了)。
第二个结论是,德波不是我们想象中的那个人。明智的做法是不要试图通过一个作者的作品来对他进行心理分析。但从这部特殊的作品中得到的证据是压倒性的。德波的《战争游戏》不是关于漂移或劫持。这个游戏是高度结构化、理性和确定性的。在过去,我称之为「怀旧算法」(nostalgic algorithm)[9],因为德波喜爱一种与皮特头盔一同消失的早期现代军旅生活。对于德波的人工智能,人们也可以用另一种方式来描述它:一种战术性算法(tactical algorithm),一种用代码来思考战略和结构最纯粹形式的方法。「我不是一个哲学家,」德波在与吉奥乔·阿甘本(Giorgio Agamben)的谈话中最终承认,「我是一名战略家。」[10]
事后看来,我们也可以说,德波对严格结构的喜爱意味着他(不自觉地、巧合地)是以符号人工智能(symbolic AI),即二十世纪七十年代的「老式人工智能」(Good Old-fashioned AI, GOFAI)的方法和风格来工作的。这就是为什么我决定使用极小极大值的方法来开发人工智能,尽管它是一种更古老的人工智能风格:但它似乎与德波结构化、演绎式的风格相匹配。从本质上讲,德波是在对他自己的游戏进行暴力破解。因此,显而易见,德波牌人工智能也应对这游戏进行暴力破解。
但我很快就发现这个方法存在一个巨大问题。我在测试时了解到,即使是最新的、最没有经验的玩家,也可以不费吹灰之力就打败电脑。作为一个开发者,我有些沮丧地承认这一点,但是,唉,我的德波牌人工智能只是没有那么好。我能否想出一个办法让它更聪明?我是否应该简单地继续完善现有代码,希望通过小的增量来改善它?还是说我必须完全放弃极小极大值的技术,采用一种新的人工智能方法?毕竟,今天的人工智能革命不是由暴力破解的操作驱动,而是由数据驱动的机器学习来驱动的。
在某种意义上,我正在重温人工智能在二十世纪八十年代,即所谓的人工智能冬天中经历的那种离散理性(discrete rationality)危机。当时,符号化的人工智能还不足以处理复杂性。暴力破解的理性不足以应付现实世界的场景。也许极大极小方法对于国际象棋来说是可行的,但对于需要更细微决策的场景来说,它还不够好。
在这期间,计算机科学家是如何解决这些问题的?我能否以他们为榜样,以免我屈服于自己版本的人工智能寒冬?第一个问题的答案是,计算机科学家们改变了他们对整个人工智能基础的理念。他们不再使用符号、法则和逻辑推理进行暴力计算,而是开发了一种新的人工智能,即数据驱动的、统计学的和归纳式的。我是不是也可以把老式人工智能抛在脑后,重新设计德波的人工智能,使其更加经验性,更以数据为中心?
幸运的是,对计算机科学家们来说,这些历史性的转变正好发生在用户愿意(或被迫)交出大量数据的时候,其形式包括撰写的网页、电子邮件和文本、数码照片、链接、赞和点击。所有这些丰富数据可以被谷歌或亚马逊收集,利用大量算力进行分析,并再处理为人工智能。如果没有必要的数据来驱动,新的数据驱动的方法就永远不会成功。
在这里,我得出了一个具有讽刺意味的结论。旧的符号式人工智能最适合德波的游玩风格。但它作为人工智能的效果并不是特别好,因为它不能让人在与计算机的对抗中获得游玩的乐趣。为了改进人工智能,我怀疑我将不得不跟随计算机行业的发展,从一个演绎/逻辑的方法,切换到一个更具经验性的、自下而上的依靠数据和机器学习方法。
换句话说,为了最好地模拟德波的头脑,我可能需要打破该头脑的易读行为(legible behavior),这是我仍在思考的问题。问题是我还没有积累足够的游玩数据来驱动任何种类的机器学习算法。而且目前还不清楚这些数据集究竟可以如何收集,以及是否该进行收集。在这一天到来之前,德波牌人工智能将继续维持呆头呆脑和确定性,这有点像它的名字(译注:Debord 和 Dumb),尽管他有其他的名声。
在此期间,我建议与朋友而不是电脑来一起玩《Kriegspiel》。这样会更有趣。
Footnotes
1. ^ 情境主义国际由居伊·德波共同创立,是一个存在于1957年至1972年的先锋派团体。
2. ^ 最初以 Alice Becker-Ho 和 Guy Debord的署名出版, Le Jeu de la Guerre:Relevé des positions successives de toutes les forces au cours d'une partie(巴黎。Éditions Gérard Lebovici, 1987),该书于2006年由 Gallimard 重新发行,并被翻译成英文,名为 Alice Becker-Ho and Guy Debord, A Game of War, 译者是Donald Nicholson-Smith(London:Atlas,2007)。
3. ^ Kriegspiel, updated March 22, 2022, http://r-s-g.org/kriegspiel/
4. ^ 虽然本文主要是关于Kriegspiel的软件,但我在《不可计算:在漫长的数字时代的游玩和政治》(纽约:Verso,2021年)一书的175页至212页中,用了很长一章来介绍德波《战争游戏》的历史和政治背景,包括一些围绕德波作为游戏设计师和玩家的倾向性的复杂章节。
5. ^ Guy Debord, Panégyrique, vol. 1 (Paris: Gallimard, 1993), 70.
6. ^ k均值(k-means)算法将数据筛选成一系列的组,每个组都围绕一个中心点或均值进行聚类。输入变量,k,指的是想要的聚类数量。一个典型的实现可能如下:给定一组100个数据点,将这些点组织成四个聚类(基于一些关于相似性的假定,例如,这些点在空间上相互接近)。
7. ^ 参看 Becker-Ho and Debord, A Game of War.
玩居伊·德波的《战争游戏》。(摄影:Diana Martinez)