「自然言語処理とAI」 (2ページ目)

ナッシュ均衡戦略ではブラフといったことも最適戦略としてでてくる．しかし現実的なポーカーの問題のナッシュ均衡を線形計画法で求めるのは9億行 x 9億列で相当厳しいのがこれまで． #yans

2012-09-04 11:18:05

CFRはregret最小化にしたものの平均戦略がナッシュ均衡であることと、情報集合毎にregret matchingを行って最適化したものが全体のregretと関係していることを利用．実装はすごく簡単でポーカー世界チャンピオンにも勝った #yans

2012-09-04 11:21:31

Mamoru B Komachi @mamoruk

これらのゲームAIでNLPでも使えるものはないだろうか？先読みは (Tsuruoka et al., CoNLL 2011) で、モンテカルロ木探索は2011年ころから使われてきている。今後もっと使われておかしくない。#yans

2012-09-04 11:22:24

Daisuke Okanohara / 岡野原大輔 @hillbig

ゲームにおいては速度は力計算パワーの向上＝性能向上賢いコンピューター　ゲームの問題設定は数学的な解を求めることで人で超えるというのは当然．しかし、NLPの場合の多くのタスクはアノテーションと同じ出力を出すことがゴールとなっており、ゴールが最善の解と違う可能性も #yans

2012-09-04 11:23:50

Mamoru B Komachi @mamoruk

ゲームAIとNLPとの違いは？ゲームAIは速度が力。ゲームは数学的な解を求めたいので、計算パワーが向上すれば厳密解に近づき、性能は上がる。NLPは人手のアノテーションの再現が目標で、計算パワーの向上で性能が上がるのはある程度まで。#yans

2012-09-04 11:25:24

Mamoru B Komachi @mamoruk

最近のゲームAIの進歩は力技によるところが大きい。人間ができない全探索や特徴量の全展開などの力技を機械に任せるような手法が、ゲームでもNLPでも成功を収めるのではないか。#yans

2012-09-04 11:31:50

NLP若手の会 (YANS) @yans_official

鶴岡先生による招待公演『自然言語処理とAI』が終わりました。とても楽しい発表で、終った後に先生の周りには人が集まっています。鶴岡先生、どうもありがとうございました。 #yans http://t.co/AfnymwD7

2012-09-04 11:40:32

拡大