Reinforcement learning neural agents in clever game playing

Abstract

Todas las culturas humanas a lo largo de la historia han jugado juegos y desde el comienzo del desarrollo de la Inteligencia Artificial ha existido un gran interés en los juegos como plataforma de investigación. Juegos como Backgammon, Ajedrez, Checkers, Go, Othello y Tic-Tac-Toe son ampliamente utilizados para estudiar la capacidad de aprendizaje de las máquinas y desarrollar algoritmos de aprendizaje por parte de los grandes concursantes del mundo digital como Google, Facebook, Windows, etc. Este proyecto pretende mejorar los programas, métodos y resultados obtenidos en el trabajo Self-taught Neural Agents in Clever Game Playing, que utiliza agentes inteligentes y aprendizaje por refuerzo en redes neuronales. La característica central de este proyecto es un agente inteligente capaz de percibir su entorno a través de cuadros de video, y responder o actuar en su entorno de manera racional, es decir, correctamente y con la tendencia a maximizar una recompensa o resultado esperado, mediante el desarrollo de una capacidad de anticipación. La línea de investigación de este proyecto es la teoría de juegos y sus posibles aplicaciones en otros campos. Finalmente, el rendimiento se comparará con los métodos del artículo para probar su precisión y aplicabilidad.