सोलह साल पहले मैंने एक Java प्रोग्राम लिखा था जो Drop7 नाम के पहेली गेम में आदर्श चाल चुनने की कोशिश करता था। हर बारी में खिलाड़ी के पास अगली चाल के लिए केवल सात विकल्प होते हैं, लेकिन संयोग के तत्व के कारण यह सरल दिखने वाला खेल खोज, छिपी जानकारी, दीर्घकालिक योजना और संभावना से जुड़ी आश्चर्यजनक रूप से कठिन समस्या बन जाता है।
इस सप्ताहांत मैंने अपनी जाँच फिर शुरू की, यह पूछते हुए कि क्या कोई स्वचालित रणनीति है जो प्रति गेम औसतन दस लाख अंक से अधिक दे। एक अनुभवी मानव खिलाड़ी दीर्घकालिक रणनीतिक सोच से दस लाख अंक तक पहुँच सकता है, लेकिन मेरी सबसे अच्छी स्वचालित रणनीतियाँ अभी लगभग 3 लाख से 4 लाख अंक औसतन दे रही हैं।
अब तक का सबसे मजबूत शोध उम्मीदवार, गहराई-4 की खोज के भीतर सीखी गई लुकअप टेबल, 512 नहीं देखे गए गेमों पर औसतन 516,155 अंक तक पहुँचा। उन्हीं गेमों पर हाथ से लिखे लीफ मूल्यांकन वाले गहराई-4 expectimax ने औसतन 382,567 अंक दिए। दोनों अभी भी दस लाख से काफी नीचे हैं, इसलिए यह शोध समस्या अभी खुली है।
योगदान देने का एक सबसे आसान तरीका है वैश्विक लीडरबोर्ड पर प्रतिस्पर्धा करना और drop7.dev/compete पर अपनी मानव रणनीति जमा करना। यह परियोजना इस बात का प्रयोग भी रही है कि एजेंटों को शोध सहयोगी और साक्ष्य संग्रहकर्ता के रूप में कैसे उपयोग किया जाए। पूरा रिपॉज़िटरी GitHub पर keshavsaharia/drop7-bench के अंतर्गत उपलब्ध है।
गेम थियरी, स्टोकेस्टिक प्लानिंग, सीखे गए मूल्य फ़ंक्शन या भारी-पूंछ मूल्यांकन में जानकार लोगों की प्रतिक्रिया विशेष रूप से स्वागत योग्य है। यहाँ दीर्घ-क्षितिज क्रिया रैंकिंग को आप कैसे देखेंगे?
स्रोत: Hacker News · HeadlinesBriefing द्वारा सारांशित