Deep Learning und Monte-Carlo-Methoden für das Brettspiel Go
Im Gegensatz zu Schach ist es in dem Brettspiel Go nicht möglich, durch klassische Baumsuchen und Heuristiken mit einer künstlichen Intelligenz gegen Experten zu gewinnen. Aktuelle Forschungsergebnisse zeigen, dass jedoch die Kombination von Deep Learning mit einer Monte-Carlo Baumsuche auch die besten menschlichen Go-Spieler schlagen kann.
In diesem Softwareprojekt sollen relevante Teile eines modernen und kompetitiven Go-Agenten implementiert werden. Hierzu werden wir in Zweitergruppen ein bestehendes Go-System weiterentwickeln. Die angebotenen Themenbereiche fächern sich auf in die Implementierung verschiedener Methoden der KI und des Machine Learning und die Softwareentwicklung in C++.
(19327312)
Typ | Softwareprojekt |
---|---|
Dozent/in | Tim Landgraf |
Institution | Dahlem Center for Machine Learning and Robotics |
Raum | Arnimallee 7 031 |
Beginn | 26.02.2018 |
Ende | 13.04.2018 |
Zeit | Blockveranstaltung nach Ende WS17/18 |