AI が一部のゲームで困惑する理由を解明する

で ニム、特定のボード構成に対して最適な手の数は限られています。これらのいずれかをプレイしなかった場合、実質的に対戦相手にコントロールを譲ることになり、相手が最適な動きのみをプレイすれば勝ち続けることができます。ここでも、数学的パリティ関数を評価することで最適な手を特定できます。

したがって、チェスでは有効だったトレーニングプロセスが、チェスでは効果的ではないかもしれないと考える理由があります。 ニム。驚いたのは、それが実際にどれだけひどかったかということです。 Zhou と Riis は、そのことを発見しました。 ニム 5 行のボードを使用した場合、AI はかなり早く上達し、500 回のトレーニング反復後も改善が続けられました。ただし、あと 1 行追加しただけで、改善速度が大幅に遅くなりました。そして、7 列のボードの場合、AI が 500 回プレイするまでにパフォーマンスの向上は基本的に止まりました。

問題をよりわかりやすく説明するために、研究者らは、潜在的な動きを示唆するサブシステムを、ランダムに動作するサブシステムと交換しました。 7列で ニム ボードでは、トレーニングされたバージョンとランダム化されたバージョンのパフォーマンスは、トレーニングのゲインが 500 回を超えると区別できなくなりました。基本的に、ボードが十分に大きくなると、システムはゲームの結果を観察して学習することができなくなります。 7 列構成の初期状態には、最終的な勝利につながる 3 つの潜在的な動きがあります。しかし、彼らのシステムの訓練された手の評価者がすべての潜在的な手をチェックするように依頼されたとき、すべての手をほぼ同等であると評価しました。

研究者らは、Nim ではプレイヤーが効果的にプレイするためにパリティ関数を学ぶことを要求していると結論付けています。そして、チェスに非常に効果的なトレーニング手順と、 行く それができないのです。

それだけではありません ニム

結論を捉える 1 つの方法は次のとおりです。 ニム （そしてひいては、すべての公平なゲームも）ただ奇妙です。しかし、Zhou 氏と Riis 氏は、この方法で訓練されたチェスプレイ AI にも同様の問題が発生する可能性があるという兆候も発見しました。彼らは、AI の盤面評価者によって当初高く評価されていたいくつかの「間違った」チェスの手を特定しました。つまり、メイティング攻撃を失敗したり、エンドゲームを投げたりしたものです。ソフトウェアがこれらの失策を回避できたのは、将来に向けてさらに多くの分岐を追加したからにほかなりません。