Māšīnmācīšanās pielietošana zoles spēlei

Abstract

Mūsdienās mašīnmācīšanās metodes ir bijušas ļoti efektīvas, lai izstrādātu spēcīgas, automatizētas gājienu prognozēšanas sistēmas, kā arī jaunu stratēģiju veidošanā. Tādās spēlēs kā šahs un Go lieliskus panākumus ir guvušas datorprogrammas AlphaZero un AlphaGo. Atkārtoti spēlējot vienu un to pašu stratēģijas spēli un mācoties no iepriekšējiem gājieniem ir iespējams iegūt ļoti veiksmīgus rezultātus – programmas, kas spēj uzvarēt pat vislabākos profesionāļus. Ir pamats domāt, ka šāda pieeja arī varētu dot veiksmīgus rezultātus kāršu spēlei Zole. Maģistra darbā tas arī tiek pētīts, kā mašīnmācīšanās metodes ir izmantotas citās stratēģiskās galda un kāršu spēlēs un, kas no tā būtu pielietojams arī kāršu spēlei Zole.

In recent times machine learning techniques have become very effective in developing powerful, automated online game prediction systems, as well as in generating new strategies. In games such as chess and Go the computer programs AlphaZero and AlphaGo have achieved great success. By repeatedly playing the same strategy games and learning from previous moves, it is possible to get very successful results – programs that can defeat even the best professionals. There is a reason to believe that such an approach could also yield successful results for the card game Zole. The master’s thesis also explores how machine learning methods have been used in other strategic board and card games and what could be applied to the card game Zole.