Artificial Intelligence Methods for the Implementation of Game Playing Agents

Rad se bavi temeljnim pojmovima umjetne inteligencije te metodama njezine implementacije. Metode, algoritmi i koncepti su opisani u sklopu simboličkog i statističkog pristupa. Simbolički pristup obuhvaća načine na koje agenti riješavaju probleme pretraživanja i odlučivanja korišenjem logike, reprezentacije znanja te zaključivanja na temelju vjerojatnosti u uvjetima nesigurnosti.Kao dio statističkog pristupa opisane su metode korištene u nadziranom (eng. Supervised), nenadziranom (eng. Unsupervised) te pojačanom (eng. Reinforcement) učenju. One uključuju metode klasifikacije, regresije, klasteriranja te metode učenja politika. U sklopu strojnog učenja opisana je primjena umjetnih neuronskih mreža za ostvarivanje dubokog učenja (eng. Deep Learning). Praktičan dio rada obuhvaća primjenu metode pojačanog učenja na primjeru razvoja SPADE agenta koji igra računalnu igru Cartople iz OpenAi Gym biblioteke. Agent koristi deep Q-learning metodu koja uključuje rad s neuronskom mrežom za čiju implementaciju se koristiti Tensorflow biblioteka