Enam belas tahun lalu saya menulis program Java yang mencoba memilih langkah ideal dalam sebuah permainan puzzle bernama Drop7. Pada setiap giliran, pemain hanya memiliki tujuh pilihan untuk langkah berikutnya, namun unsur peluang membuat permainan sederhana ini menjadi masalah yang sangat sulit, melibatkan pencarian, informasi tersembunyi, perencanaan jangka panjang, dan keberuntungan.
Akhir pekan ini saya melanjutkan penelitian, dengan pertanyaan apakah ada strategi otonom yang rata-rata mencetak lebih dari satu juta poin per permainan. Pemain manusia yang berpengalaman dapat mencapai satu juta poin melalui pemikiran strategis jangka panjang, tetapi strategi otomatis terbaik yang berhasil saya susun saat ini rata-rata hanya sekitar 300 ribu hingga 400 ribu poin.
Kandidat penelitian terkuat sejauh ini, yaitu tabel pencarian yang dipelajari di dalam pencarian kedalaman-4, rata-rata mencetak 516.155 poin dalam 512 permainan yang belum pernah dilihat. Expectimax kedalaman-4 dengan evaluasi daun yang ditulis tangan rata-rata mencetak 382.567 pada permainan yang sama. Keduanya masih jauh di bawah satu juta, sehingga masalah penelitian ini masih terbuka.
Salah satu cara termudah untuk berkontribusi adalah berkompetisi di papan peringkat global dan mengirimkan strategi manusia Anda di drop7.dev/compete. Proyek ini juga menjadi eksperimen dalam menggunakan agen sebagai rekan peneliti dan pengumpul bukti. Repositori lengkapnya tersedia di GitHub pada keshavsaharia/drop7-bench.
Masukan sangat diharapkan dari orang-orang yang memahami teori permainan, perencanaan stokastik, fungsi nilai hasil pembelajaran, atau evaluasi ekor berat. Bagaimana Anda akan mendekati pengurutan tindakan berjangka panjang di sini?
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing