CLEII

Lingua Insegnamento:

Italiano
Testi di riferimento:

"Lessons in Play. An Introduction to Combinatorial Game Theory", di Michael H. Albert, Richard J. Nowakowski e David Wolfe.
Obiettivi formativi:

Apprendimento dei concetti e tecniche elementari di CGT, navigazione e costruzione di alberi di gioco, elementi di ricerca MCTS.
Prerequisiti:

Nessuno.
Metodi didattici:

Lezione frontale, confronto diretto con gli studenti tramite giochi.
Modalità di verifica dell'apprendimento:

Esame orale o seminario di gruppo.
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:
Altre Informazioni:

Email: parton@unich.it
Cellulare di riferimento: 349-5323-199
Gruppo telegram del corso: https://t.me/joinchat/BfFWUw3GCpQ5a3wPFmt3wQ
Sito web: https://fad.unich.it/course/view.php?id=106
sito del libro di testo: http://www.cs.otago.ac.nz/lessonsinplay/

L'idea di questo corso nasce dai recenti progressi fatti nel campo dell'intelligenza artificiale grazie allo sviluppo di AlphaGo e al suo del tutto inatteso successo contro uno dei giocatori di Go più forti del mondo. Cosa sono i giochi astratti? Come fanno i computer a giocare? È veramente possibile per un computer "imparare da solo"? Nel corso cercheremo, per quanto possibile nel limite dei 6 CFU, di rispondere a queste domande.

Il gioco imparziale più importante in Combinatorial Game Theory (CGT): il Nim. Analisi approfondita del Nim e strategia ottimale tramite la somma Nim.
Il Nim da un punto di vista avanzato: la funzione di Sprague-Grundy. Analisi dei giochi imparziali su grafi. Una struttura algebrica sull'insieme dei giochi in CGT: la somma di giochi. I giochi e i numeri surreali.
I giochi in CGT visti come alberi. La navigazione dell'albero tramite MiniMax e la potatura Alfa-Beta: come potrebbero i computer essere imbattibili - in teoria! Complessità della potatura Alfa-Beta.
Metodo Montecarlo per la ricerca di alberi: come fanno i computer a giocare. Metodo Montecarlo puro e variante del "bandito a più braccia" (UCT). Reti neurali e apprendimento automatico: come fanno i computer a imparare a giocare!
Introduzione al Deep Learning.
Pillole di Go sparse nel corso.