Hace dieciséis años escribí un programa en Java que intentaba elegir la jugada ideal en un juego de rompecabezas llamado Drop7. En cada turno, el jugador solo tiene siete opciones para su siguiente movimiento, pero un elemento de azar convierte este juego aparentemente simple en un problema sorprendentemente difícil que involucra búsqueda, información oculta, planificación a largo plazo y azar.
Retomé mi investigación este fin de semana, preguntándome si existe una estrategia autónoma que promedie más de un millón de puntos por partida. Un jugador humano experimentado puede alcanzar un millón de puntos con un pensamiento estratégico a largo plazo, pero las mejores estrategias automatizadas que logré idear promedian actualmente entre 300 000 y 400 000 puntos.
El candidato de investigación más sólido hasta ahora, las tablas de consulta aprendidas dentro de una búsqueda de profundidad 4, promedió 516 155 puntos en 512 partidas no vistas. Un expectimax de profundidad 4 con una evaluación de hojas escrita a mano promedió 382 567 en las mismas partidas. Ambas cifras siguen muy por debajo del millón, así que el problema de investigación sigue abierto.
Una de las formas más sencillas de contribuir es competir en la clasificación global y enviar tu estrategia humana en drop7.dev/compete. El proyecto también ha sido un experimento para usar agentes como colaboradores de investigación y recopiladores de evidencia. El repositorio completo está disponible en GitHub bajo keshavsaharia/drop7-bench.
Se agradece especialmente la retroalimentación de personas con conocimientos de teoría de juegos, planificación estocástica, funciones de valor aprendidas o evaluación de colas pesadas. ¿Cómo abordarías aquí la clasificación de acciones con horizonte largo?
Fuente: Hacker News · Resumido por HeadlinesBriefing