Я заставил этот ИИ играть в 2048 (он проигрывал 108 474 раза)

Бен — куб с искусственным интеллектом. Он стоит на четырёх стрелках перед гигантским экраном размером 2048 клеток: один прыжок, один ход. Над ним висит пресс с 16 делениями, по одному за каждую пустую клетку на доске. Каждая новая клетка опускает его на одно деление. Каждое слияние поднимает его обратно. Когда доска заполнена и ничего нельзя объединить, он падает. Никто не объяснил Бену правила или хоть одну стратегию. Его снова и снова раздавливают, и каждое столкновение чему-то его учит. 200 000 игр. Как далеко он продвинется: 2048? 8192? 16384? Напишите свой вариант в комментариях. Ответ в 5:19. Что вы увидите: • Искусственный интеллект, обучающийся на 2048 с нуля, без указания стратегии • Выбор Бена на экране: реальный счет каждого из его четырех ходов, каждый ход • Что у него в голове: четыре варианта будущего, которые он представляет перед каждым ходом • Как он самостоятельно находит знаменитый трюк с углом (10% → 53% его ходов) • Игра 108 475: одиннадцать ходов с нажатием на последнюю метку Ничего не постановочно. Бен — настоящий обучающийся агент (TD-обучение с n-кортежной сетью). Я не контролирую его решения; каждый ход, слияние, сжатие и число на экране взяты из записанных обучающих игр. Нажатие — это способ шоу сделать пустые клетки видимыми: его высота — это количество пустых клеток на доске. Я обучил ИИ на 2048 с нуля. Он совершил 108 474 ошибки, прежде чем наконец понял, как добраться до самой высокой клетки. Бен начал игру, совершенно не зная правил, не понимая слияния плиток и не имея представления о цели. Ему пришлось методом проб и ошибок выяснять, как увеличивать ценность плиток. Видео отслеживает его прогресс, от случайных входных данных до стратегического планирования, показывая, как ИИ строит ментальную модель системы, с которой он никогда раньше не сталкивался. Это пример того, как обучение с подкреплением позволяет системе освоить сложную логику. В итоге Бен набирает 108 475 очков и проходит игру на 91%. Ничего не постановочно. Бен — настоящий агент машинного обучения, и каждый ход, который вы видите, взят из записанных обучающих игр, где он постепенно оптимизировал свой процесс принятия решений. Этот эксперимент с искусственным интеллектом наглядно демонстрирует, как ИИ учится оптимизировать игру, не получая указаний, как победить. В каждом эпизоде ​​Бен получает более сложную задачу. Подпишитесь на AI ArenaLAB и узнайте, чему он научится дальше. 0:00 Раздавлен, снова и снова 0:12 2048 с нажимом над головой 0:45 Первая игра 1:22 В его голове: четыре варианта будущего 1:48 Его первый 2048 2:24 Почему он все еще проигрывает 2:36 Тысячи игр 2:46 Где он хранит свою самую большую плитку 3:12 Одна клетка до конца 3:48 Угловой трюк 4:08 Игра 108,475 4:44 Последняя зарубка 5:19 Ответ Посмотрите последние эксперименты AI ArenaLAB: Я заставил этот ИИ пересечь оживленную дорогу:    • I Made This AI Cross a Busy Road (it faile...   Я дал этому ИИ всего 3 воспоминания:    • I Gave This AI Only 3 Memories (one was a ...   ИИ играет в Pac-Man без правил:    • I Made This AI Play Pac-Man (without telli...   Что происходит, когда ИИ забывает всё после каждой ошибки?    • I Made This AI Forget Everything After Eve...   В каждом эпизоде ​​Бену предстоит более сложная задача. Подпишитесь на AI ArenaLAB и узнайте, чему он научится дальше. #AI #2048 #МашинноеОбучение