| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Izskaidrojamā mākslīgajā intelektā balstīta pokera spēles aģenta izstrāde |
| Title in English |
Development of an Explainable AI-Based Poker Agent for Learning Purposes |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Egons Lavendelis |
| Reviewer |
Mārtiņš Ekmanis |
| Abstract |
Mūsdienu pokera mākslīgā intelekta aģenti ir sasnieguši pārcilvēciskas spēles
prasmes, taču nesniedz nekādus paskaidrojumus par saviem lēmumiem. Tāpēc šīs
sistēmas kā izglītības rīki ir mazāk vērtīgas, jo spēlētāji nevar iegūt stratēģisku
informāciju no aģenta, kas nespēj izskaidrot savu rīcību.
Šajā bakalaura darbā ir izstrādāts izskaidrojams mākslīgā intelekta (MI) pokera
aģents ierobežotas kāršu kavas versijai Heads-up Limit Texas Hold'em (sistēma
izmanto 24 kārtis, ir 6 kāršu vērtības četros dažādos kāršu mastos). Modelis izmanto
stratēģiju lēmumu pieņemšanai, balstoties uz Montekarlo iespējamās nožēlas
minimizēšanu (MCCFR), kā arī izmanto daudzkomponentu paskaidrojumu sistēmu,
kas rada SHAP iezīmju novērtējumu, lēmumu pieņemšanas ceļa datus, potenciālas
alternatīvas izvēles un sniedz aprakstus dabiskā valodā. Stratēģija tika modelēta,
izmantojot CART lēmumu koku, lai sasniegtu aptuveni 80% šķērsvalidācijas
precizitāti. Aģents sasniedz pozitīvu vidējo spēles rezultātu pret trim novērtējuma
pretiniekiem: +0,937 žetoni par izspēli pret nejaušu pretinieku, +0,308 pret heiristisku
lietderības sliekšņa spēlētāju un +0,164 pret gandrīz Neša līdzsvara MCCFR stratēģiju,
demonstrējot, ka izveidotā politika saglabā konkurētspējīgu spēles spēku.
Šajā pētījumā identificētā pētniecības nepilnība ir tādu sistēmu trūkums, kas
integrē veiksmīgas pokera stratēģijas ar reāllaika, uz mācīšanos orientētiem
paskaidrojumiem, balstoties uz situatīviem faktoriem.
Bakalaura darbā ir 75 lappuses, 12 tabulas, 14 attēli, 3 pielikumi un 35 atsauces. |
| Keywords |
izskaidrojamā mākslīgā intelekta sistēmas, pokera aģents, iespējamās nožēlas minimizācija, iezīmju novērtēšana, mākslīgā intelekta lietojumi izglītībā. |
| Keywords in English |
explainable artificial intelligence (xAI), poker agent, counterfactual regret minimization, feature attribution, educational artificial intelligence (AI). |
| Language |
eng |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 17:30:06 |
