Μονάδα:
Τμήμα Πληροφορικής & ΤηλεπικοινωνιώνΠληροφορική
Ημερομηνία κατάθεσης:
2021-10-20
Συγγραφέας:
ΓΟΡΓΟΓΙΑΝΝΗΣ ΟΡΕΣΤΗΣ
ΖΙΩΡΗΣ ΕΛΕΥΘΕΡΙΟΣ
Στοιχεία επιβλεπόντων καθηγητών:
Παναγιώτης Σταματόπουλος, Επίκουρος Καθηγητής, τμήμα Πληροφορικήσ και Τηλεπικοινωνιών, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών.
Πρωτότυπος Τίτλος:
Σκακιστική μηχανή μέσω ενισχυτικής μάθησης
Γλώσσες εργασίας:
Ελληνικά
Αγγλικά
Μεταφρασμένος τίτλος:
Σκακιστική μηχανή μέσω ενισχυτικής μάθησης
Περίληψη:
Τα τελευταία χρόνια, η άνοδος της ενισχυτικής μάθησης την έχει εγκαθιδρύσει ώς την πιο προηγμένη μέθοδο στον τομέα των μηχανών παιχνιδιών βασισμένων σε νευρωνικά δίκτυα. Χάρη σε αυτήν, η εταιρία Deep Mind, δημιούργησε το AlphaGo και κατάφερε επίδοση πολύ μεγαλύτερη από ό,τι θεωρούνταν ότι είναι πιθανό για την εποχή. Μετά από λίγο καιρό, το βελτιωμένο AlphaGo Zero κατάφερε να ξεπεράσει ακόμα και αυτά τα αποτελέσματα, χρησιμοποιώντας μηδενική προϋπάρχουσα γνώση. Από τότε, οι μελέτες στην τεχνητή νοημοσύνη συγκεντρώθηκαν περισσότερο στην προσέγγιση της ενισχυτικής μάθησης. Σε αυτήν την εργασία επιχειρούμε να δημιουργήσουμε ένα μοντέλο μηχανικής μάθησης το οποίο μαθαίνει να παίζει σκάκι με μηδενική προϋπάρχουσα γνώση, βασισμένο στον αλγόριθμο εκπαίδευσης του AlphaGo Zero. Η διαφορές στα παιχνίδια σκάκι και Go δημιουργούν την ανάγκη για έναν πιο γενικευμένο αλγόριθμο, ο οποίος δεν εκμεταλλεύεται τις ιδιότητες των παιχνιδιών αυτών. Λαμβάνουμε επίσης υπ' όψιν τα όρια στα μηχανήματα που έχουμε στη διάθεσή μας και προσπαθούμε να επιτύχουμε όσο το δυνατόν καλύτερα αποτελέσματα σε περιορισμένο χρόνο και μνήμη κατά την εκπαίδευση. Με τα απολύτως απαραίτητα εργαλεία, το μοντέλο μας αναπτύσσει μια σταθερή διαδικασία εκπαίδευσης και σταδιακά βελτιώνει τον τρόπο παιξίματος, νικώντας τις προηγούμενες φάσεις του σε βάθος χρόνου.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
Μηχανική Μάθηση, Τεχνητή Νοημοσύνη, Ενισχυτική Μάθηση, Θεωρία παιγνίων
Αρ. σελίδων ευρετηρίου:
3
Αρ. βιβλιογραφικών αναφορών:
40
