Замечательный пример использования глубокого обучения с подкреплением — не только играть против нейронных сеток, но и задействовать для анализа своих действий в уже состоявшихся партиях, стремясь играть лучше из желания совершенствовать свои навыки игры.
Есть неплохая
«точка входа» с подборкой вариантов как использовать нейронки для игры #
Го. Рассматриваются и локально работающие нейронные сети и онлайн-сервисы вокруг #
LeelaZero и #
KataGo. Можно выбрать то, что ближе и что нужнее в конкретной ситуации.
Впечатления от игры локально с нейронками
зависят от видео-карты, понятное что дискретной.
Для десктопов, планшетов и мобильников есть
разные варианты, можно подобрать и на чистом #
MCTS (Monte Carlo tree search), без нейронных сетей. Кстати, нейронки играют в человеческом стиле не сходу «из коробки», нужны дополнительные файлы (обученные сети) для управления стилем игры вообще и на отдельных этапах. Если с этим не хочется заморачиваться, то и MCTS-варианты могут быть очень неплохи на первых порах, для знакомства.
Почему подобного нет для шахмат? Наверняка появится со временем, просто для игры в шахматы компьютеру не нужно использовать такие вещи как обучение нейронных сетей. Фактически, являются довольно простой игрой, давно и хорошо изученной в качестве задачи для компьютерной техники. Во многом это именно шахматы стали пропуском компьютеров в мир интеллектуальных игр с человеком. Популяризировав и легитимизировав место компьютеров в повседневной жизни, когда ещё не было интернетов.
#
AI #
ИИ #
games #
gaming #
го #
igo #
baduk #
бадук #
weiqi #
вэйци #
lang_ru @
Russia
