あなたの遊び方ををもとに、AIの脳はどう学ぶのか？

HandyAI Gamesは、あなたのプレイの模倣・セルフプレイ・親指評価を使い、スマートフォン上で小さなニューラルネットワークを訓練。クラウド接続は不要です。

3人の教師、1つの脳

HandyAI Gamesの脳は、台本どおりに動く対戦相手ではありません。プレイしながら学び続ける、実際のポリシーです。学習方法は3つ。模倣学習では、あなたの対応をそのままコピーします。セルフプレイでは、一人で練習します。直接フィードバックでは、あなたの選択を評価します。あなたが遊ぶセッションは、そのまま脳的训练セッションになります。その学びに気づかなくても、訓練は進みます。

まず模倣学習があなたの癖を覚える

初めは、脳はほとんど観察だけします。盤面への取り組み方――安全手を打つとき、リスクの高い筋を追うとき、ミスをどう立て直すか――を見て、初期のスタイルをあなたのスタイルから形成します。学びかけの脳と遊ぶのは楽しいものです。指し手が熟悉的に感じられるからです。実際には、あなたの手を映し返しているようなものです。

セルフプレイが練習を積む

模倣学習だけでは、脳のスキルはあなたの水準で頭打ちになります。そこで、一人で練習もします。セルフプレイでは、あなたが示していない手を試し、効果のあった手を残していきます。あなたが教えていない癖が生まれ始めるのは、この段階です。指し手があなたを驚かせた瞬間、訓練は模倣を越えて、発見の段階へ進みます。

親指アップ、親指ダウン

3人目の教師は、手本を示す役ではなく、批評家として働くあなたです。脳が指し手を出したら評価でき、その親指アップ・ダウンの信号がポリシーに直接反映されます。悪い癖を最初からやり直すことなく直せる、最も速い方法です。的を射た数回の評価なら、数百回受け身で遊んでも直らない行動も修正できます。

読み解けるほど小さい

脳は意図的に小さくしています。データセンターではなくスマートフォンで訓練できるサイズの、HG-Net-S系の解釈可能な線形ポリシーと小型MLPポリシーです。得られるのは透明性です。ポリシーが小さければ、判断ログから、どの手を選び、なぜそうなのかを確認できます。あなたは、中身を実際に確かめられるプレイヤーを育てているのです。