تحلیل هوش مصنوعی از ویدیو
این ویدیو به آموزش ساخت یک محیط یادگیری تقویتی (Reinforcement Learning) برای حل یک بازی میز یا هزارتو با استفاده از هوش مصنوعی می‌پردازد. در این آموزش، با استفاده از ابزارهایی مانند تری (Tree) و یک مدل زبانی بزرگ (LLM) مانند Chat GPT-3.5، یک محیط بازی تعاملی ایجاد می‌شود که در آن یک عامل هوشمند (Agent) می‌تواند با یادگیری از طریق تجربه، مسیر خود را در هزارتو پیدا کند. هدف ویدیو این است که نشان دهد چگونه می‌توان با ترکیب کدنویسی، هوش مصنوعی و ابزارهای توسعه، یک پروژه سرگرم‌کننده و آموزشی را پیاده‌سازی کرد. از نکات مثبت ویدیو، نمایش گام به گام فرآیند توسعه و حل مشکلات احتمالی در حین کار است، که به بینندگان کمک می‌کند تا با چالش‌های واقعی روبرو شده و راه‌حل‌ها را یاد بگیرند. این آموزش برای علاقه‌مندان به یادگیری تقویتی و توسعه بازی‌های هوشمند بسیار مفید است.
برای دیدن نسخه کامل فایل، پست را
خریداری کنید
در این ویدئو، به کمک یک IDE - محیط کدنویسی- به اسم Trae ، یک الگوریتم هوش مصنوعی Q-Learning (یادگیری تقویتی) را طراحی می کنیم تا یک بازی Maze را حل کند و نتایج به صورت یک وب اپلیکیشن ساده در محیط Google Chrome قابل مشاهده و اجرا هستند، خروجی الگوریتم به صورت انیمیشن نشان داده می شود.
زبان های استفاده شده: پایتون، جاوا اسکریپت، HTML and CSS.