Yumbee

IGRA KOCKICA I STRATEGIJE

YoloYamb

Vrhunski neuronski igrač jamba

Vrhunska neuronska mreža sa 7 miliona parametara koja je sama naučila sve varijante jamba igrajući protiv sebe 3 miliona puta, bez ikakve ljudske pomoći. Radi direktno u tvom pregledaču.

Da igraš protiv YoloYamba, samo izaberi računar kao protivnika u bilo kojoj igri sa pet kockica.

Kako radi

Inspirisan AlphaZero-om, YoloYamb je neuronska mreža zasnovana na transformeru (arhitekturi koja pokreće ChatGPT), napravljena od nule da igra jamb. Treniran je oko 625 sati na jednoj RTX 4090.

Ulaz
Sirovo stanje igre, uključujući kockice, listić, broj bacanja i sve najave. Sve što je modelu potrebno da donese odluku.
Tokenizator
Stanje igre se pretvara u 14 različitih tokena. Po jedan je za svaku kolonu, po jedan za svaku kockicu i jedan za celokupno stanje. Svaki token je vektor u prostoru sa 192 dimenzije.
Zajednički trup
Tri transformer bloka, svaki sa četiri glave pažnje. Kao u LLM-u, svaki token posmatra sve ostale. Kockice posmatraju kolone, kolone posmatraju kockice, a kolone posmatraju i jedna drugu.
Strategija
Još tri transformer bloka posvećena odlučivanju o sledećem potezu. Glava za upis bira koje polje da popuni, a glava za zadržavanje bira koje kockice da zadrži za ponovno bacanje.
Vrednost
Predviđa koliko poena još sledi iz bilo koje pozicije. Usmerava AI tokom treninga. U igri ne bira poteze, ali se koristi za prikaz predviđenog konačnog rezultata YoloYamba tokom poteza.
Za stolom
Za razliku od AlphaZero-a, YoloYamb ne koristi pretragu dok igra. Čita sve informacije, ocenjuje svaki dozvoljeni potez i instinktivno igra najbolji. Pretraga i tačni rešavači korišćeni su samo tokom treninga, kao njegovi učitelji.
Kako je učio
  1. Igra sam protiv sebe

    YoloYamb je odigrao oko 200.000 partija protiv sebe i učio iz toga kako se svaka završila.

  2. Uči iz jednostavnih rešenih pozicija

    Računar je izračunao savršen potez u 493.000 pozicija na mnogo jednostavnijim listićima, a YoloYamb je naučio da ih ponovi.

  3. Savršen učitelj za kraj igre

    U još 58.600 partija program koji savršeno igra poteze kad je igra pri kraju pokazivao mu je najbolji potez, a YoloYamb je učio da ga prati.

  4. Učenje o sreći

    U još oko 2,7 miliona partija naučio je da svaki potez ocenjuje po ishodu partije, umanjenom za to koliko su kockice bile srećnije od očekivanog.