Gracias al reinforcement learning (aprendizaje por refuerzo), hemos visto cómo las máquinas son ahora mejores que las personas en juegos de tablero que nunca pensamos que podrían llegar a dominar. En este tutorial, vamos a usar Python y Keras para desarrollar un agente, que aprenderá a jugar al Conecta-4.
- Taller (110 minutos)
En este tutorial, vamos a usar notebooks (en local con Jupyter o Jupyter Lab), o en algún servicio en la nube (Google Colab), con Python y Keras, para desarrollar un agente que va a jugar a Conecta 4.
Toda la mecánica del juego se basará en una biblioteca que se proporcionará antes del taller, de manera que la interacción del agente con el juego va a ser muy simple.
En el taller desarrollaremos dos agentes, que jugarán uno contra el otro, y que irán aprendiendo a jugar usando aprendizaje por refuerzo, basándose en una red neuronal para modelizar la función de valor.
Después de muchas partidas, ambos agentes deberían haber aprendido a jugar con cierto nivel; lo comprobaremos jugando a mano contra los agentes que acabamos de entrenar, para comprobar si podemos ganarles o no.
Para seguir el taller, no hay que tener ningún conocimiento previo de machine learning.
Será necesario saber programar en Python para ir siguiendo el taller.