Пленарлық баяндамалар
ҮЗДІКСІЗ ПЕДАГОГИКАЛЫҚ БІЛІМ БЕРУ: ӨЗЕКТІ ПРОБЛЕМАЛАРЫ
жүктеу/скачать 9,68 Mb. Pdf көрінісі
|
Халықаралық пед. оқу. жинагы 10-11.04 2024 (1)
| ҮЗДІКСІЗ ПЕДАГОГИКАЛЫҚ БІЛІМ БЕРУ: ӨЗЕКТІ ПРОБЛЕМАЛАРЫ
ЖӘНЕ ПЕРСПЕКТИВАЛАРЫ НЕПРЕРЫВНОЕ ПЕДАГОГИЧЕСКОЕ ОБРАЗОВАНИЕ: АКТУАЛЬНЫЕ ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ 57 Благодаря расширенному алгоритму поиска оптимальных ходов и большой шахматной базе для анализа он стал сильнейшей шахматной программой, которая не использует графический процессор (GPU). Идеология Stockfish как свободного движка с открытым исходным кодом сделала его популярным для модификаций и встраивания в различные системы – например, такие, как сервис Lichess. В 2017 году компания DeepMind разработала самообучающуюся нейронную сеть AlphaZero. Потренировавшись всего 24 часа, она победила сильнейшие программы по играм в шахматы, сеги и го. Это не традиционный шахматный движок: для Al phaZero [1] не прописывали сложные алгоритмы вычисления оценки, как, например, для Stockfish. В его обучении задействовали технологии Machine Learning. Путем проб и ошибок для изучения каждой новой игры неподготовленная нейронная сеть разыгрывала миллионы партий против самой себя случайным образом. Такой подход называется обучением с подкреплением. Сначала нейросеть играет совершенно случайным образом, но со временем учится на выигрышах, проигрышах и ничьих, чтобы корректировать параметры и повышать вероятность выбора выгодных ходов в будущем. Для выбора наиболее перспективных ходов нейросеть использовала поиск по дереву Монте - Карло (MCTS) Нейросеть AlphaZero использовалась в подготовке Магнуса Карлсена к матчам и чемпионатам. Отсутствие привязки к алгоритмической и аналитической оценке при выборе хода сделало ее более изобретательной и непредсказуемой для оппонентов. AlphaZero с запасом побеждает самые сильные шахматные движки, в том числе и Stockfish. При этом она оценивает всего порядка 60 тыс. позиций в секунду, в то время как Stockfish – 60 млн. жүктеу/скачать 9,68 Mb. Достарыңызбен бөлісу:
|