1세대 포켓몬 배틀을 위한 초고속 시뮬레이터 및 신경망 학습 라이브러리

작성자가 직접 질문에 답변하겠다고 밝히며 사용자를 모집 중이며, 기술적 구현 방식에 대한 관심이 높다.

• 기존 Foul-Play AI를 사용 중이라면 이 라이브러리를 통해 학습된 신경망으로 평가 함수를 교체하여 성능 향상을 시도할 수 있다.
• 데이터 생성 시 효율적인 직렬화 형식을 사용하여 저장 공간과 입출력 속도를 최적화하는 것이 중요하다.

MCTS

— 선택, 확장, 시뮬레이션, 역전파의 4단계를 거쳐 최적의 결정을 내리는 탐색 알고리즘이다. 무수히 많은 경우의 수가 존재하는 게임 트리에서 유망한 경로를 우선적으로 탐색하여 효율적인 의사결정을 가능하게 한다.

Information-Set MCTS

— 상대방의 패나 상태를 완전히 알 수 없는 불완전 정보 게임에서 사용하는 MCTS 변형 기법이다. 가능한 모든 시나리오를 고려하여 평균적인 기대값이 높은 행동을 선택함으로써 불확실성을 관리한다.

Policy Prior

— 신경망이 특정 상태에서 각 행동이 선택될 가능성을 미리 예측해둔 확률값이다. 탐색 알고리즘이 모든 가능성을 조사하는 대신 높은 확률을 가진 유망한 행동부터 검토하도록 유도하여 탐색 속도를 높인다.

Self-play

— AI 모델이 자기 자신과 대결하며 데이터를 생성하고 학습하는 강화학습 기법이다. 외부 데이터 없이도 게임의 규칙만으로 고도의 전략을 스스로 터득할 수 있게 하며 알파제로 등의 모델에서 핵심적으로 사용됐다.