가이드 연계 퀴즈 · 중간 레벨

알파고와 알파제로 퀴즈

AlphaGo의 전문가 게임 및 셀프 플레이 훈련, AlphaZero의 규칙 기반 학습 및 검색, MuZero의 계획 학습 모델을 검토하세요.

관련 가이드 경로알파고와 알파제로
질문 1 의 8

바둑 게임이 컴퓨터에게 특히 어려운 게임으로 간주된 이유는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 바둑 게임이 컴퓨터에게 특히 어려운 게임으로 간주된 이유는 무엇입니까?
    • 천문학적으로 많은 수의 가능한 위치를 가지고 있습니다.
    • 가능한 움직임이 거의 없습니다
    • 종이로만 재생됩니다.
    • 규칙이 없어요
  2. 2016년 알파고가 4-1로 승리한 것으로 유명한 사람은 누구입니까?
    • 가리 카스파로프
    • 이세돌
    • 매그너스 칼슨
    • 임의의 아마추어
  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. AlphaZero는 신경망과 어떤 검색 방법을 결합합니까?
    • 전화번호부의 이진 검색
    • 선형 회귀
    • 버블정렬
    • 몬테카를로 트리 검색
  5. AlphaZero의 신경망이 검색을 안내할 것으로 예측하는 두 가지는 무엇입니까?
    • 정책(좋은 움직임)과 가치(누가 승리하는지)
    • 날씨와 시간
    • 상대의 이름과 나이
    • 색상과 소리
  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