AlphaZero – kunstig intelligens i sjakk og go

AlphaZero viser litt av hva kunstig intelligens kan få til: Med kjennskap kun til reglene, trente AlphaZero opp seg selv (via såkalt forsterkende læring / reinforcement learning) til en unik spillforståelse i så ulike brettspill som go, shogi og sjakk.

Programmet:

• Signe Riemer-Sørensen Forsker, SINTEF Digital
  Hva er reinforcement learning? Hvordan er disse algoritmene brukt i AlphaZero? Og hvorfor er det utfordrende å få slike teknikker til å fungere like godt på andre problemer?
  1-2021-01-12_Tekna_RLGoChess_SigneRiemer-Sørensen-opt.pdf
• Sigurd Jakobsen Forsker, SINTEF Energi AS
  Kort intro til go. Hvorfor har datamaskiner hatt vansker med å spille go? Hvordan har spillestilen til AlphaZero og forløperne utviklet seg? Hva har dette betydd for tidligere etablerte go-sannheter?
  2-2021-01-12_Go-og-AlphaGo-Sigurd-Jakobsen-opt.pdf
• Rune Djurhuus: Senior software engineer, Microsoft Development Center Norway AS
  Hva skiller AlphaZero fra tradisjonelle sjakkmotorer som Stockfish? Hvordan er AlphaZeros spillestil og «sjakkforståelse» sammenlignet med mennesker og andre sjakkmotorer?
  3-2021-12-12_AlphaZero-The-new-Chess-King_ver2021TeknaBigData_RuneDjurhuus.pdf

Arrangementet er i regi av Tekna Big Data.

Les Inge Harkestad om introduksjonen av AlphaZero i 2017.

---