Deep Pepper：基于专家迭代的强化学习环境下的国际象棋智能体
人工智能
2018-10-19 v2
摘要
构建一个近乎完美的国际象棋对弈智能体一直是人工智能领域的长期挑战。近期的一些进展表明我们正接近这一目标。在本项目中，我们提供了加速自对弈风格算法训练的方法、所用算法的数学细节、多种潜在的未来方向，并讨论了计算机国际象棋领域大多数相关工作。Deep Pepper 利用嵌入知识来加速国际象棋引擎的训练，相较于 Alpha Zero 这类“白板（tabula rasa）”系统更具效率。我们还发布了代码以促进进一步研究。
引用
@article{arxiv.1806.00683,
title = {Deep Pepper: Expert Iteration based Chess agent in the Reinforcement Learning Setting},
author = {Sai Krishna G. V. and Kyle Goyette and Ahmad Chamseddine and Breandan Considine},
journal= {arXiv preprint arXiv:1806.00683},
year = {2018}
}
备注
Tabula Rasa, Chess engine, Learning Fast and Slow, Reinforcement Learning, Alpha Zero