Dažādu galda spēļu spēlēšana ar vispārīgu mašīnmācīšanās algoritmu

Abstract

Galda spēļu spēlēšana ir klasiska mākslīgā intelekta problēma. Dziļā mašīnmācīšanās palīdz veidot vispārīgus algoritmus, ar kuriem var risināt dažāda veida spēles. Darbā apskatītas dažādas galda spēles spēlējošas sistēmas un izanalizēts, kuras to daļas ir vispārināmas arī uz citām spēlēm. Implementēts vispārīgs algoritms, kas ar mašīnmācīšanās palīdzību spējīgs no nulles iemācīties spēlēt dažādas galda spēles. Algoritma darbība nodemonstrēta uz trim dažādām spēlēm – tic-tac-toe, connect four un dambretes. Tā kā apmācība pat uz labas aparatūras prasa daudz laika, parādīts, ka algoritma veiktspēja apmācības rezultātā ir uzlabojusies.

Board game playing is a classic artificial intelligence problem. Deep learning is being effectively used to make these algorithms more generic and able to play many different games. Different board game playing systems were examined. Generic methods that are usable to play a wide variety of games were identified. A generic algorithm, which is able to learn how to play various board games from scratch with the help of machine learning, was implemented. It was tested on three different games – tic-tac-toe, connect four and checkers. Since training takes a lot of time even on good hardware, it was shown that the ability of the algorithm has increased after training.