AlphaZero: объяснение, часть 3. Как это учится [Свёрточные нейронные сети]

Как AlphaZero использует нейронные сети для игры? Как она учится стратегиям на основе собственной игры? Я объясняю это на примере интерактивного ИИ для игры в «Соедини четыре», который я создал с помощью пакета Python Marimo. Ссылка на интерактивный блокнот для CNN Explorer: https://molab.marimo.io/notebooks/nb_... Ссылка на предыдущие 2 видео из моей серии «Объяснение AlphaZero»: Ссылка на часть 1, где алгоритм UCB объясняется более подробно:    • AlphaZero Explained 1: How it Solves "Expl...   и блокнот Marimo UCB https://molab.marimo.io/notebooks/nb_... Часть 2, где мы строим деревья для просмотра нескольких ходов вперед [поиск по дереву Монте-Карло]    • AlphaZero Explained 2: How it Looks Into t...   и блокнот Marimo MCTS https://molab.marimo.io/notebooks/nb_... Главы: 0:00 Введение в AlphaZero и Connect 4 0:47 Как AlphaZero использует нейронные сети 2:09 Процесс обучения: обучение с подкреплением против обучения с учителем 4:28 Цикл обучения с использованием бутстрапа 5:51 Поиск по дереву Монте-Карло (MCTS) и экспертная функция 8:33 Формула PUCT (Predictor/Polynomial Upper Confidence Tree) 9:45 Интерактивная демонстрация на Python/Marimo: MCTS против нейронной сети 12:39 Результаты обучения и показатели производительности 15:44 Визуализация сверточной нейронной сети (CNN) 17:13 Плоскости признаков и 3D-представление данных 20:13 Как работают свертки: параметры и фильтры 24:04 Интерпретация весов и активаций нейронов 28:18 Объяснение нелинейности ReLU 30:08 Обновления для повышения производительности мирового класса