Du jeu de Go au Havannah : variantes d'UCT et coups décisifs

Fabien Teytaud (1, 2, 3) , Olivier Teytaud (2, 3)

1 TANC - Algorithmic number theory for cryptology
2 LRI - Laboratoire de Recherche en Informatique
3 TAO - Machine Learning and Optimisation

Les algorithmes de type fouille d'arbre Monte-Carlo et UCT (upper confidence tree) ont révolutionné le jeu de Go par ordinateur depuis 2006/2007. Quelques applications, encore rares, ont montré la généralité de ces approches, en particulier quand l'espace d'actions est trop grand pour les autres techniques, et quand l'état est complètement observable. Dans ce papier, nous testons cette généralité, en expérimentant UCT dans un autre jeu, le Havannah. Ce jeu est connu spécialement difficile pour les ordinateurs. Nous montrons que cette approche donne de bons résultats tout comme pour le jeu de Go, même si on peut noter quelques différences et en particulier la notion de coup décisif, inexistante en Go.

Domaines: Apprentissage [cs.LG]; Intelligence artificielle [cs.AI]

Fabien Teytaud, Olivier Teytaud. Du jeu de Go au Havannah : variantes d'UCT et coups décisifs. RFIA, Jan 2010, Caen, France. ⟨inria-00454541⟩