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.
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.
- 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
- Chi è stato il famoso 4-1 sconfitto da AlphaGo nel 2016?
- Garry Kasparov
- Lee Sedol
- Magnus Carlsen
- Un dilettante casuale
- Which three games did AlphaZero’s paper evaluate?
- Go, chess, and shogi
- Poker, bridge, and backgammon
- Atari, StarCraft, and Dota
- Only Go and chess
- 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
- 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
- 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
- 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
- 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