Guerrilla Checkers : från brädspel till maskinlärningsmiljö

Abstract

Det här är ett mjukvaroutvecklingsprojekt i vilket brädspelet Guerrilla Checkers har implementerats i Python och anpassats för maskinlärning. Guerrilla Checkers är ett osymmetriskt brädspel av speldesignaren Brian Train. Det kan beskrivas som en kombination av Damspel och Go. Projektet har producerat en ny implementering av Guerrilla Checkers och gör det för första gången tillgängligt för maskinlärning. Mjukvaran är designad att vara kompatibelt med Gymnasium, det vanligaste Python-biblioteket för maskinlärningsmiljöer, samt Petting Zoo, en utvidgning av Gymnasium för träning av flera agenter samtidigt. Medan inga agenter har kunnat produceras som skulle utmana en mänsklig spelare, har det visats att träningsmiljön kan producera agenter som presterar klart bättre än slumpen. Potentialen för att producera bättre resultat genom förbättrade maskinlärningstekniker indikeras. Texten utforskar även grunderna i kombinatorisk spelteori, inklusive Ernst Zermelos grundläggande essä om schack och John Conways banbrytande verk On Numbers and Games. Därtill görs en grov matematisk bedömning av hur komplext Guerrilla Checkers är.

Tämä on ohjelmistokehitystyö, jossa lautapelille Guerrilla Checkers on luotu Python-implementaatio koneoppimista varten. Guerrilla Checkers on epäsymmetrinen lautapeli, jota on kehittänyt pelintekijä Brian Train. Sitä voi kuvata Tammi ja Go pelien yhdistelmäksi. Projekti on synnyttänyt uuden ohjelmistoversion pelistä, ja tarjoaa sitä ensimmäistä kertaa koneoppimista varten. Ohjelmisto on tehty yhteensopivaksi tavallisemman Python-kirjaston koneoppimisympäristöjä varten, Gymnasiumin kanssa, sekä Petting Zoon kanssa, joka on Gymnasiumin laajennus tarkoitettu useiden koneoppimisagenttien samanaikaiseen kehittämiseen. Vaikka mikään agentti ei ole onnistunut haastamaan ihmistä, ympäristöä on osoitettu pystyvän kehittämään agentteja, jotka suorittavat selvästi sattumanvaraisuutta paremmin. Potentiaali saavuttamaan parempia tuloksia kehittämällä koneoppimistekniikoita ositetaan. Tekstissä tutkitaan myös kombinatorisen peliteorian perusteita, mukaan lukien Ernst Zermelon perustavanlaatuinen essee shakista, sekä John Conwayn uraauurtava teos On Numbers and Games. Lisäksi tehdään karkea matemaattinen arvio Guerrilla Checkersin kompleksisuudesta.

This is a software development work, in which the board game Guerrilla Checkers has been implemented in Python and adapted for machine learning. Guerrilla Checkers is an asymmetrical board game for two by game designer Brian Train. It could be described as a combination of Checkers and Go. The project provides a new software implementation of Guerrilla Checkers and makes it available as a machine learning environment for the first time. The software is designed to be compatible with the most common Python library for machine learning environments, Gymnasium, as well as Petting Zoo, an extension of Gymnasium designed for training multiple machine learning agents simultaneously. While having ultimately failed to produce an agent capable of challenging a human opponent, the implementation is shown to have produced agents that perform significantly better than chance. The potential of achieving better results by refining machine learning techniques is indicated. The text also explores the basics of combinatorial game theory, including Ernst Zermelo’s foundational essay on chess and John Conway’s groundbreaking work On Numbers and Games, before making a rough mathematical assessment of how complex Guerrilla Checkers is.