نظرية الألعاب Game Theory

الرياضيات المتقدمة للذكاء الاصطناعي الصعوبة: خبير 2 دروس الزمن المتوقع: 1 ساعة و45 دقيقة

تعريف بالمسار

الألعاب وتوازن ناش وصلتها بالشبكات التوليدية التنافسية والأنظمة متعددة الوكلاء.

الأهداف التعليمية

  • تحديد توازنات ناش الخالصة والمختلطة
  • حل الألعاب الصفرية بمبرهنة Minimax
  • فهم هدف الشبكات التوليدية التنافسية كلعبة
  • تحليل ديناميكيات الانحدار-الصعود التدرجي

قائمة الدروس

  1. 1 الألعاب الاستراتيجية وتوازن ناش Strategic Games and Nash Equilibriumفي اللعبة الاستراتيجية يعتمد عائد كل لاعب على اختيارات الآخرين؛ وتوازن ناش حالة لا يستفيد فيها أي لاعب من تغيير استراتيجيته منفرداً، وقد يكون خالصاً أو مختلطاً، ولكل لعبة منتهية توازن مختلط واحد على الأقل. خبير · 50 د
  2. 2 الألعاب الصفرية ومبرهنة Minimax والشبكات التنافسية Zero-Sum Games, Minimax and GANsفي اللعبة الصفرية ما يكسبه لاعب يخسره الآخر؛ مبرهنة Minimax تضمن أن \(\max\min = \min\max\) بالاستراتيجيات المختلطة، والشبكات التوليدية التنافسية لعبة صفرية بين مولّد ومميّز، والانحدار-الصعود التدرجي المتزامن قد يدور أو يتباعد حول التوازن بدل التقارب. خبير · 55 د

التطبيقات في الذكاء الاصطناعي

  • GANs
  • الأنظمة متعددة الوكلاء
  • التدريب التنافسي (Adversarial Training)

الاختبار النهائي للمسار

12 سؤالاً مختارة عشوائياً من بنك أسئلة المسار، الزمن 25 دقيقة، ونسبة النجاح 65%.

ابدأ الاختبار النهائي تدرب على أسئلة المسار

المراجع العلمية

  1. Generative Adversarial NetworksIan J. Goodfellow وآخرون (2014)arxiv.org/abs/1406.2661
  2. MIT OpenCourseWareMassachusetts Institute of Technologyocw.mit.edu