ガイド連動クイズ · 中 レベル

AlphaGo と AlphaZero クイズ

AlphaGo のエキスパート ゲームとセルフ プレイのトレーニング、AlphaZero のルールベースの学習と検索、および MuZero の計画用の学習モデルを確認してください。

関連するガイドパスアルファゴとアルファゼロ
質問 1 の 8

なぜ囲碁はコンピュータにとって特に難しいと考えられたのでしょうか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. なぜ囲碁はコンピュータにとって特に難しいと考えられたのでしょうか?
    • 天文学的に多くの可能なポジションがあります
    • 可能な動きはほとんどありません
    • 紙の上でのみ再生されます
    • ルールはありません
  2. 2016 年に AlphaGo が 4 対 1 で破ったことで有名なのは誰ですか?
    • ガルリ・カスパロフ
    • イ・セドル
    • マグナス・カールセン
    • ランダムな素人
  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. AlphaZero はどの検索方法をニューラル ネットワークと組み合わせますか?
    • 電話帳の二分探索
    • 線形回帰
    • バブルソート
    • モンテカルロツリー検索
  5. AlphaZero のニューラル ネットワークが検索のガイドとして予測する 2 つのことは何ですか?
    • ポリシー (良い手) と価値観 (誰が勝っているか)
    • 天気と時間
    • 相手の名前と年齢
    • 色と音
  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