आप जिस तरह खेलते हैं, उससे दिमाग़ कैसे सीखता है?

HandyAI Games आपके फ़ोन पर एक छोटा न्यूरल नेटवर्क सिखाता है—आपके खेल की नकल, सेल्फ-प्ले राउंड और थंब्स-अप फ़ीडबैक के ज़रिए, बिना क्लाउड के।

तीन शिक्षक, एक दिमाग़

HandyAI Games का दिमाग़ कोई स्क्रिप्टेड प्रतिद्वंद्वी नहीं है—यह एक असली पॉलिसी है, जो आपके खेलते समय सीखती है। यह तीन तरीकों से सीखता है: नकल, जहाँ यह आपकी स्थितियों को सँभालने का तरीका कॉपी करता है; सेल्फ-प्ले, जहाँ यह खुद अभ्यास करता है; और सीधा फ़ीडबैक, जहाँ आप उसके चुनाव को रेट करते हैं। आपका हर खेल सत्र उसके लिए ट्रेनिंग सत्र भी बन जाता है, चाहे आप पाठ का एहसास करें या न करें।

नकल पहले आपकी आदतें सीखती है

शुरुआत में दिमाग़ ज़्यादातर देखता है। यह नज़र रखता है कि आप बोर्ड के पास कैसे पहुँचते हैं—कब सुरक्षित रास्ता चुनते हैं, कब जोखिम भरी लाइन पर चलते हैं, ग़लती के बाद कैसे सुधार करते हैं—और अपनी शुरुआती शैली आपकी शैली से बनाता है। इसलिए नए दिमाग़ के खिलाए खेलना अच्छा लगता है, क्योंकि उसके चालें परिचित लगती हैं: वे वास्तव में आपकी अपनी चालें हैं, जो वापस आपके सामने दिखाई देती हैं।

सेल्फ-प्ले घर का काम निभाता है

अकेली नकल दिमाग़ को आपकी कुशलता तक सीमित रखती, इसलिए यह खुद भी अभ्यास करता है। सेल्फ-प्ले राउंड में पॉलिसी ऐसी लाइनें आज़माती है जो आपने कभी नहीं दिखाईं, और जो काम करे उन्हें बनाए रखती है। यहीं से दिमाग़ में ऐसी अनोखी आदतें पैदा होने लगती हैं जो आपने नहीं सिखाईं—जिस चाल ने आपको चौंकाया, उस क्षण ट्रेनिंग नकल से आगे बढ़कर खोज की ओर चली गई है।

थंब्स अप, थंब्स डाउन

तीसरा शिक्षक आप हैं, जब आप नकल करने वाले की तरह नहीं, बल्कि आलोचक की भूमिका निभाते हैं। दिमाग़ कोई चाल चले तो आप उसकी रेटिंग दे सकते हैं, और थंब्स-अप या थंब्स-डाउन का यह संकेत सीधे पॉलिसी को दिशा देता है। बुरी आदत ठीक करने का यह सबसे तेज़ तरीका है, जिसमें शुरू से दोबारा ट्रेनिंग नहीं करनी पड़ती—कुछ सही समय पर दी गई रेटिंग्स ऐसी आदतें सुधार सकती हैं जिन्हें सैकड़ों निष्क्रिय खेल शायद न ठीक कर पाएँ।

पढ़ने लायक छोटा

ये दिमाग़ जानबूझकर छोटे रखे गए हैं—HG-Net-S परिवार में समझने योग्य रैखिक और छोटी MLP-आधारित पॉलिसी, जिन्हें डेटा सेंटर के बजाय फ़ोन पर ट्रेन करने लायक आकार दिया गया है। इसका लाभ पारदर्शिता है: क्योंकि पॉलिसी सघन रहती है, उसका निर्णय लॉग आपको दिखा सकता है कि उसने कौन-सी चाल चुनी और क्यों। आप ऐसे खिलाड़ी को तैयार कर रहे हैं जिसे आप सचमुच जाँच सकते हैं।