Поиск по дереву методом Монте-Карло
Эвристический алгоритм поиска решений (Monte Carlo tree search, MCTS), чаще всего в играх. Он постепенно строит дерево возможных ходов, оценивает варианты случайными доигрываниями до конца и чаще развивает ветви, которые уже дали хороший результат, но оставляет место и для проверки новых. В отличие от полного перебора (например, минимакса), он не просматривает все ветви. Прославился благодаря программам для игры в го, включая AlphaGo, и также применяется в планировании.
проверено по: en.wikipedia.org ↗
См. также
- AlphaGoПрограмма DeepMind для игры в го, первая из компьютерных программ обыгравшая сильнейших профессионалов, в том числе Ли Седоля. Сначала её обучали на партиях сильных игроков-людей, а затем с подкреплением — в играх против самой себя. Ходы выбирает поиск по дереву методом Монте-Карло, который опирается на две нейросети: одна предлагает ходы, другая оценивает позицию.
- Обучение с подкреплениемОдин из основных подходов машинного обучения (reinforcement learning, RL): агент действует в среде, получает за результат числовую награду и учится выбирать действия, которые приносят наибольшую награду. В отличие от обучения с учителем, правильных ответов ему заранее не показывают — он учится методом проб и ошибок. У языковых моделей это отдельный этап после предобучения, на котором развиваются рассуждения и агентные навыки.
В новостях
Sakana AI предложила проверять движения робота в симуляторе до запуска
Алгоритм поиска решений: строит дерево вариантов, пробует их и чаще развивает те ветви, что уже дали хороший результат. Известен по программе AlphaGo для игры в го.