典型文献
人机对抗中的博弈学习方法
文献摘要：
近年来,人机对抗智能技术作为人工智能领域的前沿方向取得了一系列突破性的进展,如AlphaGo和DeepStack分别在围棋和二人无限注德州扑克中击败了人类专业选手.这些突破离不开博弈论和机器学习的深度结合.本文通过梳理当前人机对抗智能技术领域的重要工作,深入分析博弈论和机器学习在其中发挥的作用,总结了面向人机对抗任务的博弈学习研究框架,指出博弈论为人机对抗任务提供博弈模型和定义求解目标,机器学习帮助形成稳定高效可扩展的求解算法.具体地,本文首先介绍了人机对抗中的博弈学习方法的内涵,详细阐述了面向人机对抗任务的博弈学习研究框架,包括博弈模型构建、解概念定义、博弈解计算三个基本步骤,之后利用该框架分析了当前人机对抗智能技术领域的典型进展,最后指出了人机对抗中的博弈学习未来发展可能面临的挑战.本文梳理总结的人机对抗中的博弈学习研究框架为人机对抗智能技术领域的发展提供了方法保障和技术途径,同时也为通用人工智能的发展提供了新思路.
文献关键词：
人工智能;人机对抗;博弈论;机器学习;博弈学习
中图分类号：
作者姓名：
周雷;尹奇跃;黄凯奇
作者机构：
中国科学院自动化研究所智能系统与工程研究中心 北京 100190
文献出处：
引用格式：
[1]周雷;尹奇跃;黄凯奇-.人机对抗中的博弈学习方法)[J].计算机学报,2022(09):1859-1876
A类：
DeepStack
B类：
人机对抗,博弈学习,人工智能领域,AlphaGo,围棋,德州扑克,击败,选手,博弈论,理当,技术领域,学习研究,研究框架,博弈模型,稳定高效,可扩展,求解算法,基本步骤,框架分析,能面,技术途径,通用人工智能
AB值：
0.236829
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
