AI: Belajar vs. Strategi

Saya punya teori tentang AI yang ingin saya tuliskan "whitepaper". Perbedaan yang ingin saya jelajahi dalam AI adalah belajar vs menyusun strategi. Pertanyaan saya adalah, di mana saya bisa membaca materi lain tentang subjek ini?

Biarkan saya memberi contoh catur. Mari kita lihat AI catur sebagai pohon maksimum, di mana menangkap unit musuh menambahkan nilai unit ke "skor bergerak" untuk keputusan itu (dan juga kehilangan sepotong mengurangi nilai itu ke skor). Menangkap pion mungkin menghasilkan 1 poin, seorang ksatria 4 poin, benteng 5 poin, dll.

Strategi adalah AI untuk menerapkan poin-poin ini dan menentukan langkah selanjutnya; misalnya. diberikan sepuluh kemungkinan gerakan, pilih yang terbaik (skor maksimal) di akhir tiga gerakan.

Belajar akan menerapkan pengamatan statistik untuk menentukan nilai-nilai itu. Jika Anda memainkan 100 pertandingan, AI mungkin memutuskan bahwa menangkap pion adalah 2 poin, dan seorang ksatria bernilai 7 poin, sedangkan benteng hanya bernilai 3 poin (berdasarkan 100 gameplays).

Apakah perbedaan ini sudah ada dalam literatur, dan jika demikian, di mana saya bisa membacanya ?

Sunting: Apakah ada yang tahu permainan Catur (dengan kode sumber lebih disukai) yang memanfaatkan pendekatan ini? Mungkin Chess960 @ Rumah ?

ai chess

— ashes999
sumber

Kedengarannya seperti campuran teori permainan, dengan 'poin' disesuaikan dengan pembelajaran berbasis zaman.

— decaviatedcaviar

Jawaban:

Apa yang Anda sebut strategi biasanya disebut pencarian di komunitas AI. Ini mencakup algoritma sederhana seperti A * dan DFS , dan metode untuk desain heuristik untuk pencarian informasi seperti A *.

Apa yang Anda sebut pembelajaran disebut pembelajaran mesin , secara tradisional dibagi menjadi pembelajaran terbimbing , pembelajaran tanpa pengawasan , dan pembelajaran penguatan . Mungkin area terpenting untuk permainan adalah pemrograman genetika , jaringan saraf dan mesin vektor , dan jaringan Bayesian . Tetapi pembelajaran mesin adalah bidang yang sangat besar dan ini hanya seperangkat alat yang dipelajari.

Jika Anda benar-benar tertarik pada berbagai jenis pendekatan AI, saya sarankan untuk mendapatkan buku teks nyata, seperti AI: A Modern Approach daripada membaca Wikipedia.

+1 untuk Pendekatan Modern. Buku yang bagus. Meskipun saya tidak setuju dengan kegunaan per se jaringan saraf dalam game (bar Black and White).

— Ray Dey

Saya tidak mengatakan itu berguna, hanya penting. Mereka telah digunakan dalam beberapa permainan dan banyak teknik AI didasarkan pada mereka atau dibandingkan dengan mereka. Tidak seperti, katakanlah, teknik pengelompokan data, yang saya gunakan sangat sering tetapi saya tidak berpikir saya telah melihat sesuatu yang lebih rumit daripada variasi k-means dalam game.

Itu cukup adil, saya setuju bahwa itu adalah area yang paling berlaku untuk permainan, mereka hanya perlu sedikit kerja;)

— Ray Dey

Ada pendekatan ketiga (juga "strategi") yang disebut Sistem Pakar, di mana Anda pada dasarnya menemukan algoritma berbasis aturan yang mungkin tidak memerlukan pohon pencarian sama sekali, pada dasarnya hanya serangkaian if-thens.

— Ian Schreiber

@Ian: Saya akrab dengan sistem pakar, tetapi mereka bukan serangkaian if-thens. Bahkan sistem pakar modern diimplementasikan menggunakan alat yang saya jelaskan di atas - orang mungkin menggunakan pembelajaran mesin untuk membantu mengukur kemungkinan aturan inferensi, atau mencari menggunakan rantai maju atau mundur melalui aturan-aturan itu. Mungkin Anda berpikir tentang pohon keputusan, tetapi bahkan itu sering dibuat dan disesuaikan dengan pembelajaran mesin dan menjelajahi banyak jalur menggunakan pencarian.

Anda pasti harus membaca AI pendekatan modern . Buku ini agak mahal tetapi Anda tidak dapat melakukan diskusi serius tentang AI sampai Anda memiliki beberapa pekerjaan dasar. Juga edisi ke-2 sama baiknya dengan edisi ke-3, jadi jika Anda dapat menemukan edisi ke-2 yang lebih murah, ambil saja.

Jika Anda benar-benar ingin mempelajari mesin, buku Dr. Mitchell memiliki banyak informasi mendalam.

Sangat disayangkan bahwa ada hambatan besar untuk masuk ke akademisi AI. Tapi itu tidak akan membantu Anda atau siapa pun jika Anda menerbitkan kertas putih yang menggunakan kosa kata yang unik (salah) dan membahas teknik yang sudah terkenal di dunia akademis.

Bidang mempelajari perilaku lawan untuk memperbaiki diri sendiri memiliki beberapa entri penting. Filter spam yang bagus melakukan hal ini. Anda harus melihat ke Paper Rock Scissors AI. Yang membuat PRS unik adalah bahwa PRS itu sederhana dan tidak ada pencarian yang terlibat (strategi AKA). Satu-satunya cara AI dapat mengalahkan manusia adalah dengan mempelajari preferensi dan memanfaatkannya.

Lihat bot PRS AI ini yang dibuat oleh NYTimes.

— deft_code
sumber

Bagus, tapi bukan yang saya cari. Jawaban Joe Wreschnig pada dasarnya adalah apa yang saya inginkan - terminologi apa yang saya cari untuk riset / tulis. Juga, saya tidak besar tentang terminologi dan penelitian teoritis; Saya lebih suka menulis perpustakaan yang dapat digunakan kembali dan mendistribusikannya sehingga orang dapat menggunakannya.

— ashes999