WiSe 17/18: Deep Learning und Monte-Carlo-Methoden für das Brettspiel Go
Tim Landgraf
Zusätzl. Angaben / Voraussetzungen
Zielgruppe: Studenten mit Interesse an künstlicher Intelligenz
Voraussetzungen: Erfahrung in Machine Learning und/oder C++
Kommentar
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 implemtiert werden. Hierzu werden wir in Zweigergruppen 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++.
Schließen10 Termine
Regelmäßige Termine der Lehrveranstaltung