틱택 토, 체스, 위험 또는 다른 라운드 기반 게임과 같은 라운드 기반 보드 게임을 위해 신경망을 훈련시키는 방법이 궁금합니다. 추론으로 다음 움직임을 얻는 것은 게임 상태를 입력으로 공급하고 출력을 현재 플레이어의 움직임으로 사용함으로써 매우 직설적 인 것처럼 보입니다. 그러나 그 목적을 위해 인공 지능을 훈련시키는 것은 그렇게 간단하지 않은 것 같습니다.
그렇다면 라운드 기반 보드 게임을 위해 신경망을 훈련시키는 방법이 궁금합니다. tensorflow를 사용하여 tic-tac-toe에 대한 신경망을 만들고 싶습니다.
답변:
좋은 질문입니다! NN은 이런 유형의 문제에 대해 매우 유망합니다 : Giraffe Chess . Lai의 업적 은 상당히 큰 것으로 여겨졌 지만, 불행히도 AlphaGo가 주목을 받기까지 몇 달이 걸렸습니다. (라이프는 이후 기린 엔진에는 그리 좋지는 않지만 DeepMind에 의해 고용되었다는 점에서 모두 잘 밝혀졌습니다 .)
Lai의 접근 방식이 매우 유용하다는 것을 알았으며 확실한 결과가 뒷받침됩니다.
게임 이론 및 조합 게임 이론 에서 순차가 선호되는 용어이므로 게임에 수학 분석을 적용하는 필드 이므로 "라운드 기반"과 반대로 " 순차 " 를 사용할 수 있습니다 .
당신이 열거 한 게임 은 현대 전략 보드 게임이나 일반적인 게임과 구별하기 위해 " 추상 " 이라고 더 불립니다 . 강력한 테마를 사용하며 일반적으로 역학 및 요소 측면에서 추상적 게임보다 덜 컴팩트합니다. 이것은 추상 게임이 스도쿠와 같은 퍼즐의 경우와 같이 순차적 게임이나 보드 게임 또는 특정 게임에만 국한되지 않는다는 경고가 있습니다.
이 게임 그룹의 공식 명칭은 일반적으로 " Tic-Tac-Toe"를 "사소한"(해결 가능하고 쉽게 해결할 수있는) 및 비 사소한 (다루기 쉽고 해결할 수없는)으로 분류하여 " 당파 적 , 순차적, 결정 론적 , 완벽한 정보 "입니다. 체스와 바둑 같은 게임.
나는 체스 선수이며 내 대답은 체스에만 있습니다.
강화 학습으로 중립 네트워크를 훈련시키는 것은 새로운 것이 아니며 문헌에서 여러 번 수행되었습니다.
일반적인 전략을 간단히 설명하겠습니다.
네트워크의 목적은 위치 평가 를 배우는 것 입니다. 우리는 모두 여왕보다 여왕이 강하다는 것을 알고 있지만 명시 적으로 프로그래밍하지 않고 네트워크에 알릴 수 있습니까? 폰 구조는 어떻습니까? 네트워크가 포지션의 승패 여부를 평가하는 방법을 이해합니까?
이제 네트워크가 필요한 이유를 알았습니다. 네트워크를 설계해야합니다. 디자인은 연구마다 근본적으로 다릅니다. 딥 러닝이 대중화되기 전에 사람들은 얕은 네트워크를 사용하고있었습니다. 요즘에는 많은 계층의 네트워크가 눈에.니다.
네트워크가 확보되면 체스 엔진을 만들어야합니다. 신경망은 자체적으로 마술처럼 체스를 할 수 없으므로 체스 엔진에 연결해야합니다. 다행히도 우리는 네트워크가 우리를 위해 그것을 할 수 있기 때문에 위치 평가 코드를 작성할 필요가 없습니다.
이제 게임을해야합니다. 고품질 체스 데이터베이스로 시작하거나 AI 에이전트가 다른 플레이어 (예 : 자체, 다른 AI 에이전트 또는 인간)와 게임을 할 수 있습니다. 이를 강화 학습이라고 합니다.
게임을하는 동안 네트워크 매개 변수를 업데이트합니다. 이것은 확률 적 경사 하강 (또는 다른 유사한 기술)에 의해 수행 될 수있다. 우리는 원하는만큼, 수백만 번의 반복을 통해 훈련을 반복합니다.
마지막으로, 체스를위한 훈련 된 중립 네트워크 모델이 있습니다!
자세한 내용은 다음 자료를 참조하십시오.