【灵感来源】
http://tieba.baidu.com/p/2018110793
我们的目标也是编一个能打麻将的AI。
要做一个好的AI,数据获取非常重要。保证数据的海量以及数据的准确。(AlphaGo的训练数据有3000万个盘面,且还有自己对弈的3000万个盘面)
【实现计划】
1. 获取海量数据(自我对弈)
1.1 第一步是写个垃圾的麻将AI,mahjongAI_v1.0.c,它至少能出牌,能按照输入输出样例格式运行。
1.2 第一步是编写交互控制程序,它能控制四个mahjongAI_v1.0.c坐在一起打完一局。
1.3 然后我们开始升级mahjongAI,mahjongAI_v2.0将拥有被赋予概率论的知识,它会判断向听数,能够判断胡牌的最大概率路径。
1.4 运用交互控制程序让四个2.0坐在一起打麻将完成几千万局获取海量数据,将统计性经验灌输进入程序得到mahjongAI_v3.0。
2. 神经网络建立
2.1 为AI加入**的Genetic Algorithm或者Neutral Network 。当然怎么加我还没想好- -!不过走到这一步应该是半年后的事了。。然后我们就有了**的mahjongAI_v4.0了哦也。
http://tieba.baidu.com/p/2018110793
我们的目标也是编一个能打麻将的AI。
要做一个好的AI,数据获取非常重要。保证数据的海量以及数据的准确。(AlphaGo的训练数据有3000万个盘面,且还有自己对弈的3000万个盘面)
【实现计划】
1. 获取海量数据(自我对弈)
1.1 第一步是写个垃圾的麻将AI,mahjongAI_v1.0.c,它至少能出牌,能按照输入输出样例格式运行。
1.2 第一步是编写交互控制程序,它能控制四个mahjongAI_v1.0.c坐在一起打完一局。
1.3 然后我们开始升级mahjongAI,mahjongAI_v2.0将拥有被赋予概率论的知识,它会判断向听数,能够判断胡牌的最大概率路径。
1.4 运用交互控制程序让四个2.0坐在一起打麻将完成几千万局获取海量数据,将统计性经验灌输进入程序得到mahjongAI_v3.0。
2. 神经网络建立
2.1 为AI加入**的Genetic Algorithm或者Neutral Network 。当然怎么加我还没想好- -!不过走到这一步应该是半年后的事了。。然后我们就有了**的mahjongAI_v4.0了哦也。