Yapay Zeka 7: Oyun Ağaçları, Minimax ve Alfa Beta Budaması

Yapay Zeka 7: Oyun Ağaçları, Minimax ve Alfa Beta Budaması

Bu Bölümde Doç.Dr.Şadi Evren Şeker, oyunlarda kullanılan yapay zeka karar sistemlerinin nasıl çalıştığını örnek bir oyun olarak tic-tac-toe oyunu üzerinden anlatarak örnek bir minimax ağacını oluşturuyor ve yapay zekanın karar verme sürecini anlatıyor. Ayrıca rekabete (competition) dayalı oyunlar gibi birlikteliğe (cooperation) dayalı oyunlar için nasıl değişiklikler yapılabileceğini ve maximax ağaçlarını anlatıyor. Ardından Minimax ağacı olarak bilinen ve iki taraflı rekabete dayalı oyunlarda yapay zekanın karar verme süreçlerini belirleyen algoritmalarda arama uzayını küçültmek ve ihtimalleri azaltarak daha hızlı sonucu bulmak için kullanılan tekniklerden birisi olan alfa ve beta budaması anlatılmaktadır.

Bilgisayar mühendisliğinde, yapay zeka konusunda kullanılan bir karar ağacı türüdür. Aslında minimax ağaçları bilgisayar bilimlerine işletme bilimindeki oyun teorisinden (game theory) girmiştir.

Temel olarak sıfır toplamlı bir oyunda (zero sum game), yani birisinin kaybının başka birisinin kazancı olduğu (veya tam tersi) oyunlarda karar vermek için kullanılışlıdırlar. Örneğin çoğu masa oyunu (satranç, othello, tictactoe gibi) veya çoğu finansal oyunlar (borsa gibi) veya çoğu kumar oyunları sıfır toplamlı oyunlar arasında sayılabilir (yani birisinin kaybı başka birisinin kazancıdır ve sonuçta toplam sıfır olur).

Yukarıda bahsedilen bu oyunlarda doğru karar verilmesini sağlayan minimax ağacı basitçe kaybı asgariye indirmeye (mimize etmeye) ve dolayısyıla kazancı azamiye çıkarmaya (maximize etmeye) çalışır.

Ağaç basitçe her düğümde (node) farklı alternatiflerin değerlerini hesaplar. Son düğümden (yapraklardan ,leaf) yukarıya doğru değerleri seçerek gelir ve en sonunda bütün ağaçtaki en doğru seçenek seçilmiş olur.
http://bilgisayarkavramlari.sadievrenseker.com/

Sosyal Medyada Paylaş

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir