Выясняем, почему ИИ сбивают с толку некоторые игры

Подробности

Ваш ход Выяснение того, почему ИИ сбиваются с толку в некоторых играх Когда победа зависит от интуитивного понимания математической функции, ИИ терпит неудачу.

Хотя победа над ИИ в настольной игре может показаться относительно тривиальной, она может помочь нам определить способы сбоя ИИ или способы, с помощью которых мы можем улучшить его обучение, чтобы в первую очередь избежать появления у него этих «слепых зон» — вещи, которые могут стать критическими, поскольку люди полагаются на вклад ИИ для решения растущего спектра проблем.

В недавней статье, опубликованной в журнале Machine Learning, описана целая категория игр, в которых метод, используемый для обучения AlphaGo и AlphaChess, терпит неудачу. Рассматриваемые игры могут быть удивительно простыми, примером чего является игра, с которой работали исследователи: «Ним», в которой два игрока по очереди убирают спички с доски в форме пирамиды до тех пор, пока один из них не останется без правильного хода.

Ним включает в себя установку набора рядов спичек, при этом в верхнем ряду есть одна спичка, а в каждом ряду ниже - на две больше, чем в предыдущем. В результате получается доска в форме пирамиды. Затем два игрока по очереди убирают спички с доски, выбирают ряд, а затем убирают где угодно, от одного предмета до всего содержимого ряда. Игра продолжается до тех пор, пока не останется законных ходов. Это простая игра, которой легко можно научить детей.

Это также оказывается критическим примером целой категории наборов правил, определяющих «беспристрастные игры». Они отличаются от шахмат, где у каждого игрока есть свой набор фигур; в беспристрастных играх два игрока делят одни и те же фигуры и подчиняются одному и тому же набору правил. Важность Нима проистекает из теоремы, показывающей, что любая позиция в беспристрастной игре может быть представлена ​​конфигурацией пирамиды Нима. Это означает, что если что-то применимо к Nim, то это применимо и ко всем беспристрастным играм.