AI: навчання та стратегізація

У мене є теорія про AI, про яку я хотів би написати "довідку". Відмінність, яку я хочу дослідити в ШІ, - це навчання та стратегізація. Моє запитання: де я можу прочитати інші матеріали з цього приводу?

Дозвольте навести шаховий приклад. Давайте подивимось на шаховий AI як на макс-дерево, де захоплення ворожою одиницею додає значення цієї одиниці до "балів переміщення" за це рішення (і, також, втрачаючи фрагмент, віднімає це значення на рахунок). Захоплення пішака може мати 1 бал, лицар 4 бали, грак 5 балів тощо.

Стратегічним завданням було б AI застосувати ці пункти та визначити наступний крок; напр. давши десять можливих рухів, виберіть найкращий (максимальний бал) наприкінці трьох ходів.

Навчання застосовуватиме статистичне спостереження для визначення цих значень. Якщо ви граєте в 100 ігор, AI може вирішити, що захопити пішака - 2 очки, а лицар коштує 7 балів, тоді як грак коштує лише 3 очки (на основі 100 ігрових ігор).

Чи існує це відмінність вже в літературі, і якщо так, то де я можу прочитати про це ?

Редагувати: Хтось знає гру «Шахи» (бажано з вихідним кодом), яка використовує такий підхід? Може бути, Chess960 @ Home ?

ai chess

— попіл999
джерело

Звучить, як поєднання теорії ігор, з "балами", пристосованими до епохального навчання.

— deceleratedcaviar

Відповіді:

Те, що ви називаєте стратегізацією, зазвичай називається пошуком у спільноті AI. Він охоплює прості алгоритми, такі як A * і DFS , та методи евристичного проектування для інформованих пошуків типу A *.

Те , що ви називаєте навчання називається машинне навчання , традиційно поділяється на підконтрольне навчання , неконтрольоване навчання і навчання з підкріпленням . Напевно, найбільш важливими напрямками ігор є генетичне програмування , нейронні мережі та підтримуючі векторні машини , та байєсівські мережі . Але машинне навчання - це величезна сфера, і це лише невеликий набір інструментів, які він вивчає.

Якщо вас справді цікавлять різні типи підходів до ІІ, я рекомендую отримати справжній підручник, як AI: Сучасний підхід, а не читати Вікіпедію.

+1 для сучасного підходу. Чудова книга. Хоча я не погоджуюся з корисністю нейронних мереж в іграх (смуга чорно-білих).

— Рей Дей

Я не сказав, що вони корисні, просто важливо. Вони були використані в декількох іграх, і багато методів AI засновані на них або порівняно з ними. На відміну від, скажімо, методів кластеризації даних, якими я користуюсь надзвичайно часто, але я не думаю, що я бачив щось складніше, ніж k-означає варіації в іграх.

Це досить справедливо, я погоджуюся, що вони є найбільш застосовними сферами для ігор, хоча їм просто потрібно трохи попрацювати;)

— Ray Dey

Існує третій підхід (також "стратегізація") під назвою "Експертні системи", де ви, в основному, знайдете алгоритм, заснований на правилах, який може не вимагати взагалі дерев пошуку, а по суті, є цілою низкою тетів.

— Ян Шрайбер

@Ian: Я знайомий із експертними системами, але вони не є цілою низкою. Насправді сучасні експертні системи впроваджені за допомогою описаних вище інструментів - можна використовувати машинне навчання, щоб допомогти оцінити можливі правила виводу, або здійснити пошук, використовуючи ці правила вперед або назад, через ці правила. Можливо, ви думаєте про дерева рішень, але навіть такі часто створюються та підлаштовуються за допомогою машинного навчання та досліджуйте декілька шляхів за допомогою пошуку.

Ви обов'язково повинні прочитати AI сучасний підхід . Книга коштує трохи дорого, але ви не можете серйозно обговорити АІ, доки не отримаєте певної наземної роботи. Також 2-е видання таке ж добре, як і 3-е, тому якщо ви зможете знайти більш дешеве друге видання, візьміть його.

Якщо ви дійсно хочете взяти участь у машинному навчанні, у книзі доктора Мітчелла є багато невід’ємної інформації.

Прикро, що існує такий великий бар'єр для вступу до наукових працівників у галузі ІС. Але це не допоможе вам чи комусь іншому, якщо ви опублікуєте білий документ, який використовує унікальну (неправильну) лексику та обговорює методи, які вже добре відомі в наукових колах.

Поле вивчення поведінки опонента щодо вдосконалення власного має кілька помітних записів. Хороші спам-фільтри роблять саме це. Ви повинні заглянути в ножиці паперових носіїв AI. Завдяки PRS унікальним є те, що він простий і в ньому немає пошуку (стратегізація AKA). Єдиний спосіб, коли ШІ може перемогти людину, - це дізнатися його уподобання та використати їх.

Ознайомтеся з цим ботом PRS AI, побудованим NYTimes.

— deft_code
джерело

Приємно, але не те, що я шукаю. Відповідь Джо Решніга - це, по суті, те, що я хочу - термінологія того, про що я хочу шукати / писати. Крім того, я не великий в термінології та теоретичних дослідженнях; Я б краще написати бібліотеку для багаторазового використання та розповсюдити її, щоб люди могли нею користуватися.

— ashes999