AI: Aprendizaje vs. Estrategias

Tengo una teoría sobre IA sobre la que me gustaría escribir un "documento técnico". La distinción que quiero explorar en IA es el aprendizaje frente a la estrategia. Mi pregunta es, ¿ dónde puedo leer otro material sobre este tema?

Déjame darte un ejemplo de ajedrez. Veamos una IA de ajedrez como un árbol máximo, donde capturar una unidad enemiga agrega el valor de esa unidad al "puntaje de movimiento" para esa decisión (y también perder una pieza resta ese valor al puntaje). Capturar un peón puede generar 1 punto, un caballero 4 puntos, una torre 5 puntos, etc.

La estrategia sería AI para aplicar estos puntos y determinar el próximo movimiento; p.ej. dados diez movimientos posibles, elija el mejor (puntaje máximo) al final de tres movimientos.

Aprender sería aplicar observación estadística para determinar esos valores. Si juegas 100 juegos, la IA podría decidir que capturar un peón es de 2 puntos, y un caballero vale 7 puntos, mientras que una torre solo vale 3 puntos (en base a 100 juegos).

¿Existe esta distinción en la literatura y, de ser así, dónde puedo leer sobre ella ?

Editar: ¿Alguien sabe un juego de ajedrez (con código fuente preferiblemente) que utiliza este enfoque? Tal vez Chess960 @ Home ?

ai chess

— cenizas999
fuente

Suena como una mezcla de teoría de juegos, con 'puntos' ajustados contra el aprendizaje basado en la época.

— desaceleratedcaviar

Respuestas:

Lo que usted llama estrategia generalmente se llama búsqueda en la comunidad de IA. Abarca algoritmos simples como A * y DFS , y métodos para el diseño heurístico para búsquedas informadas como A *.

Lo que usted llama aprendizaje se llama aprendizaje automático , tradicionalmente dividido en aprendizaje supervisado , aprendizaje no supervisado y aprendizaje de refuerzo . Probablemente las áreas más importantes para los juegos son la programación genética , las redes neuronales. y las máquinas de vectores de soporte , y las redes bayesianas . Pero el aprendizaje automático es un campo enorme y esto es solo un pequeño conjunto de herramientas que estudia.

Si está realmente interesado en los diferentes tipos de enfoques de IA, le recomiendo obtener un libro de texto real, como AI: A Modern Approach en lugar de leer Wikipedia.

+1 para un enfoque moderno. Gran libro Aunque no estoy de acuerdo con la utilidad per se de las redes neuronales en los juegos (barra Blanco y negro).

— Ray Dey

No dije que fueran útiles, solo importantes. Se han utilizado en varios juegos y muchas técnicas de IA se basan en ellos o se comparan con ellos. A diferencia, por ejemplo, de las técnicas de agrupación de datos, que uso increíblemente a menudo, pero no creo haber visto nada más complicado que las variaciones de k-means en los juegos.

Eso es justo, estoy de acuerdo en que son las áreas más aplicables a los juegos, sin embargo, solo necesitan un poco de trabajo;)

— Ray Dey

Hay un tercer enfoque (también "estrategia") llamado Expert Systems, donde básicamente encuentras un algoritmo basado en reglas que puede no requerir ningún árbol de búsqueda, solo esencialmente una serie de if-thens.

— Ian Schreiber

@ Ian: Estoy familiarizado con los sistemas expertos, pero no son una serie de if-thens. De hecho, los sistemas expertos modernos se implementan usando las herramientas que describí anteriormente: uno podría usar el aprendizaje automático para ayudar a medir las posibles reglas de inferencia, o buscar usando el encadenamiento hacia adelante o hacia atrás a través de esas reglas. Quizás esté pensando en los árboles de decisión, pero incluso esos a menudo son creados y modificados por el aprendizaje automático y exploran múltiples caminos usando la búsqueda.

Definitivamente deberías leer AI como un enfoque moderno . El libro es un poco caro, pero no puedes tener una discusión seria sobre IA hasta que tengas algo de trabajo de base. Además, la segunda edición es tan buena como la tercera, así que si puedes encontrar una segunda edición más barata, tómala.

Si realmente quiere entrar en el aprendizaje automático, el libro del Dr. Mitchell tiene mucha información en profundidad.

Es lamentable que haya una barrera de entrada tan grande en los académicos de IA. Pero no le ayudará a usted ni a nadie más si publica un documento técnico que utiliza un vocabulario único (incorrecto) y analiza técnicas ya conocidas en la academia.

El campo de aprender el comportamiento de tu oponente para mejorar el tuyo tiene varias entradas notables. Los buenos filtros de spam hacen precisamente esto. Debes buscar en Paper Rock Scissors AI. Lo que hace que PRS sea único es que es simple y no hay búsqueda involucrada (estrategia de AKA) La única forma en que la IA puede vencer a un humano es aprender sus preferencias y explotarlas.

Echa un vistazo a este bot PRS AI creado por NYTimes.

— código_deft
fuente

Bonito, pero no es lo que estoy buscando. La respuesta de Joe Wreschnig es esencialmente lo que quiero: la terminología de lo que estoy buscando investigar / escribir. Además, no soy grande en terminología e investigación teórica; Prefiero escribir una biblioteca reutilizable y distribuirla para que la gente pueda usarla.

— cenizas999