| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Izskaidrojamā mākslīgajā intelektā balstīta pokera spēles aģenta izstrāde |
| Nosaukums angļu valodā |
Development of an Explainable AI-Based Poker Agent for Learning Purposes |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Egons Lavendelis |
| Recenzents |
Mārtiņš Ekmanis |
| Anotācija |
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. |
| Atslēgas vārdi |
izskaidrojamā mākslīgā intelekta sistēmas, pokera aģents, iespējamās nožēlas minimizācija, iezīmju novērtēšana, mākslīgā intelekta lietojumi izglītībā. |
| Atslēgas vārdi angļu valodā |
explainable artificial intelligence (xAI), poker agent, counterfactual regret minimization, feature attribution, educational artificial intelligence (AI). |
| Valoda |
eng |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 17:30:06 |
