Intro to Game AI and Reinforcement Learning : EP.1
Build your own video game bots, using classic algorithms and cutting-edge techniques.
สำหรับ Series นี้ ผมได้แรงบันดาลใจมาจาก โครงการ OpenAI Five ที่พัฒนา AI เพื่อเล่น Dota2 ภายใต้ Project OpenAI โดยการร่วมทุนกันของ Elon Musk, Sam Altman และผู้ร่วมทุนรายอื่นๆ ด้วยเงินลงทุนกว่า 1 พันล้านเหรียญสหรัฐ
จากนั้นก็..อัญเชิญให้บรรดาเกมเมอร์ทั่วโลกมาช่วยกันยำให้เละ 555
ซึ่งเบื้องหลังการทำงานของ Project OpenAI Five ที่สำคัญก็คือ RL (Reinforcement Learning) สำหรับผู้ที่สนใจ RL สามารถศึกษาเพิ่มเติมได้จาก Medium ด้านล่างนะครับ
สำหรับผู้ที่สนใจ EP.1 นี้จะเป็นเนื้อหาในส่วนของ Lessons 1: Play the Game : Write your first game-playing agent. เพื่อปูพื้นฐาน สำหรับในบทต่อๆ ไป
- Lessons 1: Play the Game : Write your first game-playing agent. (EP.1)
- Lessons 2: One-Step Lookahead : Make your agent smarter with a few simple changes. (EP.2)
- Lessons 3: N-Step Lookahead : Use the minimax algorithm to dramatically improve your agent. (EP.3)
- Lessons 4: Deep Reinforcement Learning : Explore advanced techniques for creating intelligent agents. (EP.4)
- Bonus Lessons: Getting Started With Halite : Put your new skills to the test with a more complex game. (EP.5)
Lessons 1: Play the Game Write your first game-playing agent.
ใน EP. นี้ เราจะพัฒนา agent สำหรับเล่นเกม Connect Four ซึ่งเป็นเกมสำหรับผู้เล่น 2 ฝ่าย โดยสลับกันวางชิปสี (แดง-เหลือง) โดยผู้ที่สามารถวางสีได้ต่อเนื่องเป็นแนวเส้นตรงครบ 4 อันก่อนจะเป็นผู้ชนะ
ระบบการเล่น แตกต่างจาก Dota2 แค่ 5 VS 5 เท่านั้นเองครับ
Step1 : Install kaggle-environments
Step2: Create an Agent
Test your Agent
Step3: Debug/Train your Agent
Evaluate your Agent
Play your Agent
Step4: Write Submission File
Validate Submission
Submit to Competition
- Download Output File
submission.py
- Go to Kaggle and Click “Submit to Competition”
Score :)
EP.2 is Coming Soon นะครับ
References:
