Ataraxos: proč počítač vyhrál Stratego, i když neviděl soupeřovy figury

Co se skrývá na druhé straně

Ve Strategu jsou soupeřovy hodnosti do střetu skryté. Když se neznámá figura pohne na volné pole, víme alespoň, že není bombou. Její přesná hodnost může zůstat tajemstvím. Následující ilustrační deska zobrazuje jen vybrané figury na poli 10 × 10 se dvěma neprůchozími jezery; nikoli skutečný zápas či číselné výstupy systému.[1]

Jak funguje učení a hledání

Ataraxos kombinuje dvě propojené části pro počáteční rozestavení a tahy, naučené při hře proti sobě. Model skrytých informací se ze self-play dat učí typy protivníkových figur. Při rozhodování o tahu vytváří možné verze desky a prověřuje kandidátní pokračování, aniž by tvrdil, že znal skutečnou skrytou pozici.[1]

Výsledek a hranice srovnání

Dvacet partií proti Pimu Niemeijerovi během tří týdnů: 15 výher systému, jedna prohra, čtyři remízy. Tréninkovou cenu autoři pouze odhadují pro odlišné historické běhy; výsledek není přímým zápasem s DeepNash ani důkazem obecné nadřazenosti v každém prostředí.[1]

Závěr patří recenzované publikaci 30. září, nikoli novému zápasu téhož dne. Jiné hry se skrytými informacemi ukazují příslib metody, ale použití mimo hru vyžaduje další důkazy a kontrolu rozhodnutí.[1][2][3]

Zdroje a původ této zprávy ↓