Kunstig Intelligens til Brætspillet Taiji - Danmarks Tekniske Universitet

Kapitel 8
Konklusion
Jeg m˚atte konstatere under testen af den AI, som Néstor Romeral Andrés har
konstrueret til at spille Taiji, at den ikke er særlig anvendelig i praksis. Den er
for langsom, n˚ar den skal yde sit ypperste for at vinde spillet. Desuden m˚atte
jeg konkludere, at den ikke p˚a nogen af sine fire niveauer kan vinde over en
kvalificeret menneskelig modstander.
Derfor satte jeg for at teste, om det kunne lade sig gøre at n˚a et højere niveau
med anvendelse af flere metoder indenfor AI.
Hvis man ikke har ubegrænsede ressourcer som i IBM’s Deep Blue skakcomputerprojekt,
er det afgørende at kombinere forskellige metoder og kunne benytte
dem i velovervejet omfang, s˚aledes at man udnytter de tilgængelige computerkræfter
smart og opn˚ar et anvendeligt resultat.
I opbygningen af mine AI’er har jeg undersøgt forskellige teorier for kunstige
intelligencer (AI’er) og gennemprøvet disse. Derefter har jeg kombineret dem
som gav de bedste resultater og gav mest mening for den foreliggende opgave, at
spille Taiji. Mit hovedform˚al har netop været at opn˚a en AI som netop opfører
sig intelligent og samtidig en AI der er tilstrækkelig hurtig til at den kan anvendes
i praksis. Desuden forlangte jeg at den skulle kunne vinde over en rimelig
god menneskelig modstander.
Min Growth AI er b˚ade hurtigt og smart. Growth AI’en kan i spil mod sig