Jocurile în general sunt deosebit de interesante pentru cercetătorii din domeniul inteligenței artificiale (IA), datorită faptului că acestea reprezintă un excelent domeniu de experimentare, problemele sunt mai ușor de înțeles și de modelat aici față de viața reală (număr limitat de reguli simple, analiză umană aprofundată în timp, etc.), iar succesele în jocuri au fost întotdeauna repere ușot de identificat pentru inteligența artificială. Printre jocurile cu cele mai mari provocări se numără pokerul, șahul, go, și bridge. Dacă în cazul primelor trei jocuri IA a făcut progrese considerabile (ăn ianuarie 2017, Poker AI Libratus dezvoltat de Universitatea Carnegie Mellon a câștigat un heads-up no-limit Texas hold’em poker, iar în mai 2017, alphaGo Master l-a învins pe Ke Jie, jucătorul numărul unu de Go din lume), la jocul de bridge mașinile sunt încă departe de performanțele unor buni jucători reali.
Se pare că jocul de bridge necesită o aprofundare pai profundă, diferită de cea a cutiilor negre din IA. Aici nu mai este suficient ca roboții IA să calculeze probabilitățile și să maximizeze oportunitățile, ei trebuie în plus să înțeleagă modul uman de gândire.
Bridge este un joc cu informații incomplete: jucătorii au cunoștințe incomplete și diferite, pentru fiecare dintre ei, despre situația generală. În plus, jocul în sine, compus din două faze (licitația și jocul de levată) este mult mai complex decât oricare alt joc, incluszând zeci de sisteme de licitație, înțelegeri între parteneri, semnalizări în timpul jocului de levată, etc.
Evaluarea puterii propriei mâini la începutul jocului, și aprecierea mâinilor partenerului și adversarilor în timpul licitației, este o problemă de clasificare binară. Învățarea jocului din jocuri ale experților este și ea în sine o problemă, întrucât fiecare jucător în parte, chiar dacă folosește același sistem de licitație cu ceilalți, are un stil specific, putând lua decizii diferite de ale celorlalți în situații identice. Astfel, în învățarea automată din IA trebuie să se ia în considerare învățarea din implicare (set de reguli prolog), învățarea din interpretări (arbore de decizie relațională), set de clauze definite, flexibilitatea în experimentarea cu diverse abstracții ale descrierii exemplelor prin utilizarea cunoștințelor de bază, iar modelele învățate trebuie să poată fi citite de experți pentru a ajuta la actualizare.
Un bun jucător de bridge necesită capabilități speciale: profunzimea analizei, raționament cu informații incomplete, capacitatea de a stabili un diagnostic pe baza diferitelor surse, evaluarea nivelului și a psihologiei adversarului, comunicare cât mai bună cu partenerul, etc.
În prezent se încearcă dezvoltarea unei mașini de IA pentru a rezolva jocul bridge-ului prin definirea unei arhitecturi hibride, care să includă module numerice și simbolice de învățarea automată, combinând diferite paradigme AI, precum învățarea prin întărire simbolică, logici de descriere, planificare în MDP, învățare profundă, programare logică inductivă (probabilistă), etc. Reconstrucția se bazează pe raționament probabilistic, luând în considerare faptul că fiecare informație nouă modifică probabilitatea distribuirii cărților ascunse și influențează strategia jucătorului
Practic, jocul de bridge este mai mult decât un simplu joc. Este o piatră de încercare pentru inteligența artificială.
Bridge – Sisteme și convenții de licitație
Transformă-ți pasiunea pentru bridge într-o experiență competitivă și captivantă.
Lasă un răspuns