গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

আলফাগো এবং আলফাজিরো কুইজ

AlphaGo-এর বিশেষজ্ঞ-খেলা এবং স্ব-খেলার প্রশিক্ষণ, AlphaZero-এর নিয়ম-ভিত্তিক শিক্ষা ও অনুসন্ধান এবং পরিকল্পনার জন্য MuZero-এর শেখা মডেল পর্যালোচনা করুন।

সম্পর্কিত গাইড পাথআলফাগো এবং আলফাজেরো
প্রশ্ন 1 এর 8

কেন গো গেমটিকে কম্পিউটারের জন্য বিশেষভাবে কঠিন বলে মনে করা হয়েছিল?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. কেন গো গেমটিকে কম্পিউটারের জন্য বিশেষভাবে কঠিন বলে মনে করা হয়েছিল?
    • এটির সম্ভাব্য অবস্থানের একটি জ্যোতির্বিদ্যাগতভাবে বড় সংখ্যা রয়েছে
    • এটা খুব কম সম্ভাব্য পদক্ষেপ আছে
    • এটি শুধুমাত্র কাগজে খেলা হয়
    • এর কোনো নিয়ম নেই
  2. 2016 সালে আলফাগো বিখ্যাতভাবে 4-1 কে পরাজিত করেছিল?
    • গ্যারি কাসপারভ
    • লি সেডল
    • ম্যাগনাস কার্লসেন
    • এলোমেলো অপেশাদার
  3. Which three games did AlphaZero’s paper evaluate?
    • Go, chess, and shogi
    • Poker, bridge, and backgammon
    • Atari, StarCraft, and Dota
    • Only Go and chess
  4. আলফাজিরো তার নিউরাল নেটওয়ার্কের সাথে কোন অনুসন্ধান পদ্ধতি যুক্ত করে?
    • একটি ফোন বই বাইনারি অনুসন্ধান
    • লিনিয়ার রিগ্রেশন
    • বুদবুদ সাজানোর
    • মন্টে কার্লো বৃক্ষ অনুসন্ধান
  5. AlphaZero এর নিউরাল নেটওয়ার্ক কি দুটি জিনিস তার অনুসন্ধানকে গাইড করতে ভবিষ্যদ্বাণী করে?
    • একটি নীতি (ভাল পদক্ষেপ) এবং একটি মান (কে জিতছে)
    • আবহাওয়া এবং সময়
    • প্রতিপক্ষের নাম ও বয়স
    • রং এবং শব্দ
  6. What did MuZero add to the AlphaZero-style planning approach?
    • A requirement for human game records
    • A learned model of reward and environment dynamics used for planning without being given the rules
    • A replacement for all tree search
    • A fixed database of every possible board position
  7. What information did AlphaZero need in its board-game experiments besides self-play?
    • A database of professional games
    • A complete endgame table for every position
    • The rules of the games
    • Human rankings for every possible move
  8. How did the original AlphaGo system combine supervised and reinforcement learning?
    • It trained a policy from expert games and then improved through self-play
    • It used only random moves and never trained on human games
    • It learned the game rules from images without playing
    • It relied only on a fixed database of winning games