Há dezesseis anos escrevi um programa em Java que tentava escolher o movimento ideal em um jogo de quebra-cabeça chamado Drop7. A cada turno, o jogador tem apenas sete opções para sua próxima jogada, mas um elemento de sorte transforma esse jogo simples em um problema surpreendentemente difícil, que envolve busca, informação oculta, planejamento de longo prazo e acaso.
Retomei minha investigação neste fim de semana, perguntando se existe uma estratégia autônoma que faça em média mais de um milhão de pontos por partida. Um jogador humano experiente consegue chegar a um milhão de pontos com pensamento estratégico de longo prazo, mas as melhores estratégias automatizadas que consegui desenvolver atualmente fazem em média cerca de 300 mil a 400 mil pontos.
O candidato de pesquisa mais forte até agora, tabelas de consulta aprendidas dentro de uma busca de profundidade 4, fez em média 516.155 pontos em 512 partidas não vistas. Um expectimax de profundidade 4 com uma avaliação de folhas escrita à mão fez em média 382.567 nas mesmas partidas. Ambos ainda estão bem abaixo de um milhão, então o problema de pesquisa continua em aberto.
Uma das formas mais fáceis de contribuir é competir no placar global e enviar sua estratégia humana em drop7.dev/compete. O projeto também tem sido um experimento de uso de agentes como colaboradores de pesquisa e coletores de evidências. O repositório completo está disponível no GitHub em keshavsaharia/drop7-bench.
São especialmente bem-vindos comentários de pessoas com conhecimento em teoria dos jogos, planejamento estocástico, funções de valor aprendidas ou avaliação de cauda pesada. Como você abordaria aqui a classificação de ações de horizonte longo?
Fonte: Hacker News · Resumido por HeadlinesBriefing