可変サイズのゲームのニューラルネットワーク入力層

Question

チェスのようなゲームをプレイするニューラルネットワークの入力をどのように構成するか、プレーヤの次の動作が固定サイズ。しかし、プレーヤに見える状態が可変サイズである単純なゲームがある（すなわち、unoの場合、単純なカードゲームの場合、プレイヤーは手札にいくつでもカードを置くことができ、次の移動は既に設定されていないカードが既に再生されているカード）。

これらのタイプのゲームは、ニューラルネットワークと互換性がありませんか？そうでない場合は、入力レイヤーはどのように見えますか？もしそうなら、代替案は何ですか？

Answer 1

ニューラルネットワーク/エキスパートシステム/ AIで必要なものを実装できますが、これが作業を実行するためのより良いツールであると考える必要があります。

このようなアプローチで作業する場合、ほとんどの場合の問題は、AIを評価するときに最良の結果をアーカイブするための適切な方法で入力をエンコードする方法です。

はい、あなたはAIでチェスとウノを実装することができますが、入力をコード化する方法とゲームをプレイするときの考え方をまず考えなければなりません。

これをAIで実行すると、従来のアプローチを使用するよりもはるかに難しくなります。

GoogleがChess AIを実装している場合、いくつかの実装、電磁場強度を使用するもの、動きをランク付けする関数を使用するものがあります。

質問は、AIで開発されたゲーム、または良いチェスゲームを作成するためにアーカイブしたいものですか？

は、あなたが（まあ、実際にそれについて学ぶために）それはクールだか、それが問題のコンテキスト