Cuestionario vinculado a una guía · Medio Nivel

Prueba AlphaGo y AlphaZero

Revise el entrenamiento de juego experto y de juego autónomo de AlphaGo, el aprendizaje y la búsqueda basados ​​en reglas de AlphaZero y el modelo aprendido para la planificación de MuZero.

Rutas de guía relacionadasAlfago y Alfacero
Pregunta 1 de 8

¿Por qué el juego Go se consideró especialmente difícil para las computadoras?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Por qué el juego Go se consideró especialmente difícil para las computadoras?
    • Tiene un número astronómicamente grande de posiciones posibles.
    • Tiene muy pocos movimientos posibles.
    • Se juega solo en papel.
    • no tiene reglas
  2. ¿A quién derrotó AlphaGo 4-1 en 2016?
    • Garry Kasparov
    • Lee Sedol
    • Magnus Carlsen
    • Un aficionado al azar
  3. ¿Qué tres juegos evaluó el artículo de AlphaZero?
    • Go, chess, and shogi
    • Poker, bridge, and backgammon
    • Atari, StarCraft, and Dota
    • Only Go and chess
  4. ¿Qué método de búsqueda empareja AlphaZero con su red neuronal?
    • Búsqueda binaria de una guía telefónica
    • Regresión lineal
    • Clasificación de burbujas
    • Búsqueda de árboles de Montecarlo
  5. ¿Qué dos cosas predice la red neuronal de AlphaZero para guiar su búsqueda?
    • Una política (buenos movimientos) y un valor (quién gana)
    • El clima y el tiempo
    • El nombre y la edad del oponente.
    • Colores y sonidos
  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