Quiz collegato alla guida · Medio Livello

AlphaGo e AlphaZero Quiz

Esamina il gioco esperto e la formazione self-play di AlphaGo, l'apprendimento e la ricerca basati su regole di AlphaZero e il modello appreso di MuZero per la pianificazione.

Percorsi guida correlatiAlphago e Alphazero
Domanda 1 di 8

Perché il gioco del Go era considerato particolarmente difficile per i computer?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Perché il gioco del Go era considerato particolarmente difficile per i computer?
    • Ha un numero astronomicamente elevato di possibili posizioni
    • Ha pochissime mosse possibili
    • Si gioca solo sulla carta
    • Non ha regole
  2. Chi è stato il famoso 4-1 sconfitto da AlphaGo nel 2016?
    • Garry Kasparov
    • Lee Sedol
    • Magnus Carlsen
    • Un dilettante casuale
  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. Quale metodo di ricerca abbina AlphaZero alla sua rete neurale?
    • Ricerca binaria di una rubrica
    • Regressione lineare
    • Ordinamento delle bolle
    • Ricerca dell'albero di Monte Carlo
  5. Quali due cose prevede la rete neurale di AlphaZero per guidare la sua ricerca?
    • Una politica (buone mosse) e un valore (chi sta vincendo)
    • Il tempo e l'ora
    • Il nome e l'età dell'avversario
    • Colori e suoni
  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