"2048" कुछ हफ्तों में 5 साल का निशान है, जिसका अर्थ है कि इस अद्भुत खेल के लिए समर्पित कुछ लिखने का समय है।

एक पहेली में कृत्रिम बुद्धि के एक स्वतंत्र खेल का विषय विशेष रूप से जानकारीपूर्ण है। इसे लागू करने के कई तरीके हैं और आज हम अपेक्षाकृत आसान विश्लेषण करेंगे। अर्थात्, हम कंप्यूटर दिमाग को मोंटे कार्लो पद्धति का उपयोग करके दो की डिग्री एकत्र करना सिखाएंगे।

यह लेख EDISON सॉफ्टवेयर के समर्थन से लिखा गया था, जो एक कंपनी है जो मोबाइल एप्लिकेशन विकसित करती है और सॉफ्टवेयर परीक्षण सेवाएं प्रदान करती है ।

इस काम की प्रेरणा स्टैकओवरफ्लो पर एक चर्चा थी, जहां स्मार्ट लोगों ने कंप्यूटर गेम के प्रभावी तरीके सुझाए । जाहिरा तौर पर, सबसे अच्छा तरीका अल्फ़ा-बीटा क्लिपिंग के साथ न्यूनतम विधि है और कुछ दिनों में अगला प्रकाशन इसके लिए समर्पित होगा।

स्टैकओवरफ्लो यूजर द्वारा सुझाई गई कैसिनो विधि उपरोक्त चर्चा के भाग के रूप में रोनेन्ज़ । संपूर्ण अगला भाग इसके प्रकाशन से अनुवाद है।

मोंटे कार्लो विधि

मुझे इस खेल के लिए एआई के विचार में दिलचस्पी हो गई, जिसमें कोई हार्ड-कोडेड इंटेलिजेंस नहीं है (यानी, कोई उत्तराधिकार, स्कोरिंग आदि नहीं हैं)। एआई को केवल खेल के नियमों को जानना चाहिए और खेल को "समझना" चाहिए। यह इसे अधिकांश AI (जैसे कि इस थ्रेड में) से अलग करता है, क्योंकि गेमप्ले वास्तव में, स्कोरिंग फ़ंक्शन द्वारा नियंत्रित ब्रूट बल है, जो गेम की मानवीय समझ को दर्शाता है।

ऐ एल्गोरिथ्म

मुझे एक सरल लेकिन आश्चर्यजनक रूप से अच्छा गेम एल्गोरिथ्म मिला: क्षेत्र की दी गई स्थिति के लिए अगले कदम का निर्धारण करने के लिए, एआई रैम में गेम खेलता है, जब तक हार में खेल समाप्त नहीं होता है, तब तक यादृच्छिक चाल चलती है । यह कई बार किया जाता है, जिसमें अंतिम स्कोर का पता लगाया जाता है। फिर, औसत अंतिम स्कोर की गणना प्रारंभिक पाठ्यक्रम को ध्यान में रखकर की जाती है। प्रारंभिक चाल जिसने उच्चतम औसत परिणाम दिखाया, वह पहले से ही वास्तव में चुने गए कदम के रूप में चुना गया है।

प्रत्येक प्रारंभिक मोड़ के लिए 100 रन के साथ, एआई 80% मामलों में 2048 और 50% मामलों में 4096 टाइल करने के लिए मिलता है। 10,000 रनों का उपयोग करते समय, 2048 को 100% मामलों में, 4096 के लिए 70% और 8192 के लिए लगभग 1% प्राप्त किया जाता है।

कार्रवाई में देखें

हासिल किया गया सबसे अच्छा परिणाम स्क्रीनशॉट में दिखाया गया है:

इस एल्गोरिथ्म के लिए एक दिलचस्प तथ्य यह है कि हालांकि बेतरतीब ढंग से निष्पादित चाल के साथ खेल बहुत खराब होने की उम्मीद है, फिर भी, सबसे अच्छा (या कम से कम बुरा, अगर आपको पसंद है) का चयन एक बहुत अच्छा गेमप्ले की ओर जाता है: एक ठेठ मोंटे कार्लो एआई गेम 70,000 स्कोर कर सकता है 3000 चाल के लिए अंक, लेकिन किसी भी स्थिति से स्मृति में एक मनमाना खेल के साथ खेल खोने से पहले लगभग 40 अतिरिक्त चालों के लिए औसतन 340 अतिरिक्त अंक दिए जाते हैं। (आप AI शुरू करके और डीबग कंसोल को खोलकर इसे स्वयं सत्यापित कर सकते हैं।)

यह ग्राफ इस अवधारणा को दिखाता है: नीली रेखा प्रत्येक चाल के बाद खेल का स्कोर दिखाती है। लाल रेखा एल्गोरिथ्म का सबसे अच्छा परिणाम दिखाती है, मनमाने ढंग से इस स्थिति से खेल के अंत तक चलती है। वास्तव में, लाल मूल्य नीले लोगों को "खींचते हैं", क्योंकि वे एल्गोरिथ्म के सर्वश्रेष्ठ वाक्य हैं। दिलचस्प रूप से, लाल रेखा प्रत्येक बिंदु पर नीली रेखा से थोड़ी ऊपर है, लेकिन नीली रेखा अधिक से अधिक अंतर को कम करती है।


मुझे यह आश्चर्यजनक लगता है कि एल्गोरिथ्म एक अच्छे गेमप्ले की अपेक्षा नहीं करता है, और फिर भी इसे (अच्छी प्रक्रिया) उत्पन्न करने वाली चाल को चुनता है।

बाद में मुझे पता चला कि इस विधि को मोंटे कार्लो ट्री सर्च एल्गोरिदम के रूप में वर्गीकृत किया जा सकता है।

कार्यान्वयन और लिंक

सबसे पहले, मैंने एक जावास्क्रिप्ट संस्करण बनाया, जिसे यहां कार्रवाई में देखा जा सकता है । यह संस्करण उचित समय में 100 रन चलाने में सक्षम है। अधिक जानकारी के लिए कंसोल खोलें। ( स्रोत )

बाद में, खेलने के लिए, मैंने अत्यधिक अनुकूलित @nneonneo बुनियादी ढांचे का उपयोग किया और C ++ में अपना संस्करण लागू किया। यदि आप प्रतीक्षा करने के लिए तैयार हैं तो यह संस्करण 100,000 तक प्रति मोड़ और यहां तक ​​कि 1,000,000 भी अनुमति देता है। विधानसभा के निर्देश शामिल कंसोल में सब कुछ काम करता है, और वेब संस्करण में प्लेबैक के लिए रिमोट कंट्रोल भी है। ( स्रोत )

परिणाम

आश्चर्यजनक रूप से, रन की संख्या में वृद्धि मूल रूप से गेमप्ले में सुधार नहीं करती है। ऐसा लगता है कि इस रणनीति में 4096 की टाइल के साथ 80,000 अंकों की सीमा है और सभी छोटे परिणाम टाइल 8192 तक पहुँचने के बहुत करीब हैं। 100 से 100,000 तक की संख्या में वृद्धि से इस सीमा तक पहुँचने की संभावना बढ़ जाती है (5% से 40% तक, लेकिन नहीं उस पर काबू पा लिया।

महत्वपूर्ण पदों के पास 1,000,000 के अस्थायी वृद्धि के साथ 10,000 रन का प्रदर्शन करते हुए 1% से भी कम मामलों में इस बाधा को पार करना संभव हो गया, जिसमें अधिकतम अंक 129892 और टाइल्स 8192 थे।

सुधार और अनुकूलन

इस एल्गोरिथ्म को लागू करने के बाद, मैंने कई सुधारों की कोशिश की, जिसमें न्यूनतम या अधिकतम रेटिंग का उपयोग या न्यूनतम, अधिकतम और औसत मूल्यों का संयोजन शामिल है। मैंने गहराई का उपयोग करने का भी प्रयास किया: K प्रति मोड़ को पूरा करने की कोशिश करने के बजाय, मैंने K को किसी दिए गए लम्बाई के चालों की सूची की कोशिश की (उदाहरण के लिए, "ऊपर, बाएँ") और सबसे अच्छी जीत के साथ चाल की सूची से पहला कदम चुना।

बाद में मैंने एक स्कोर ट्री लागू किया, जिसमें सशर्त संभावना को ध्यान में रखा गया कि वह दी गई सूची के बाद एक चाल को पूरा करने में सक्षम होगा।

हालांकि, इनमें से किसी भी विचार ने एक सरल पहले विचार पर वास्तविक लाभ नहीं दिखाया। मैंने C ++ स्रोत में इन विचारों के लिए कोड को छोड़ दिया।

मैंने डीप सर्च मैकेनिज्म को जोड़ा, जिसने अस्थायी रूप से 1,000,000 की संख्या बढ़ाकर 1,000,000 कर दी जब कोई भी रन गलती से अगले उच्चतम टाइल तक पहुंचने में कामयाब रहा। इससे समय के प्रदर्शन में सुधार हुआ।

मुझे यह जानने में दिलचस्पी होगी कि क्या किसी के पास कोई अन्य सुधार विचार है जो कि विषय क्षेत्र से एआई स्वतंत्रता का समर्थन करता है?

विकल्प और क्लोन 2048

मज़े के लिए, मैंने AI को एक बुकमार्कलेट के रूप में लागू किया, जो इसे गेम के नियंत्रण से जोड़ता है। यह आपको मूल गेम और इसके कई रूपों के साथ काम करने की अनुमति देता है।

एआई के डोमेन-स्वतंत्र प्रकृति के कारण यह संभव है। कुछ विकल्प काफी मूल हैं, जैसे हेक्सागोनल क्लोन।

2048.xlsm

एक्सेल एप्लिकेशन को स्वयं Google से डाउनलोड किया जा सकता है ।

छवि क्लिक करने योग्य है - एक पूर्ण आकार की छवि खुल जाएगी।



संक्षेप में आवेदन के इंटरफेस और कार्यक्षमता पर।

खेलना शुरू करने के लिए, आपको " उपयोगकर्ता: खेल शुरू करें" बटन पर क्लिक करना होगा। जब आप इस बटन को फिर से दबाते हैं, तो शिलालेख " उपयोगकर्ता: खेल शुरू करें " से " उपयोगकर्ता: अंत खेल समाप्त करें " और इसके विपरीत, अर्थात् किसी भी समय आप खेल को रोक सकते हैं और फिर इसे फिर से शुरू कर सकते हैं। जब खेल बंद हो जाता है, तो आप कुछ विचारों का परीक्षण या सत्यापन करने के लिए, अपनी स्थिति को बेहतर बनाने या बिगड़ने के लिए मैन्युअल रूप से फ़ील्ड पर संरेखण को बदल सकते हैं।

खेल के दौरान, आप दो तरह से चाल बना सकते हैं:

• कीबोर्ड: बस "ऊपर", "नीचे", "बाएं", "दाएं" कुंजी दबाकर।
• माउस के साथ: वांछित दिशा को इंगित करने वाले बड़े तीरों के साथ कोशिकाओं पर क्लिक करना।

" न्यू फील्ड " बटन खेल के मैदान को साफ़ करता है और बेतरतीब ढंग से उस पर "दो" और "चार" रखता है।

सबसे दिलचस्प बात यह है कि मोंटे कार्लो पद्धति को लागू किया गया था, बिल्कुल उसी रूप में जिसमें यह स्टैकओवरफ्लो के साथ दोस्त द्वारा प्रस्तावित किया गया था। प्रत्येक स्थिति में, मेमोरी में कंप्यूटर प्रत्येक पहली चाल ("ऊपर", "नीचे", "बाएं", "सही") के लिए यादृच्छिक शाखाओं से गुजरता है जब तक कि यह नुकसान की ओर नहीं जाता है। सांख्यिकीय रूप से, सबसे अनुकूल दिशा नीचे एक विशेष तालिका में लाल रंग में उजागर की गई है। आप इसे एक संकेत के रूप में उपयोग कर सकते हैं यदि आप देखते हैं कि आपका अपना खेल एक ठहराव पर है और आपको किसी तरह अपने आप को बचाने की आवश्यकता है। ;)

तालिका के ऊपर विश्लेषण विकल्पों के साथ चेकबॉक्स हैं। फिलहाल, केवल मोंटे कार्लो का फैसला किया गया है, बाकी आने वाले दिनों में जोड़ दिए जाएंगे (जिसके परिणामस्वरूप एक्सेल एप्लिकेशन और थ्योरी के स्पष्टीकरण के अपडेट के साथ और अधिक हर्स्टेस होंगे)।

इसमें AI: गेम बटन भी है। उस पर क्लिक करके, कंप्यूटर सहायक मोंटे कार्लो विधि के अनुसार एक चाल करेगा या कुछ अन्य जो स्विच समूह में चुना जाता है (न्यूनतम सूची और तंत्रिका नेटवर्क इस सूची में थोड़ी देर बाद काम करेगा)।

एआई और 2048 श्रृंखला के सभी लेख

• मोंटे कार्लो
• मिनीमैक्स + अल्फा बीटा क्लिपिंग
• अधिकतम की प्रतीक्षा कर रहा है
• तंत्रिका नेटवर्क