Prezentare generală a curriculumului

Curriculum Shatranj.ai - Curriculum AI bazat pe jocuri de societate istorice pentru dezvoltarea tinerilor

Shatranj.ai este un patrimoniu în primul rând, construire și experimentare Curriculum de IA. Învățăm inteligența artificială modernă prin reconstruirea instrumentelor intelectuale care au modelat procesul decizional uman timp de secole: jocuri de societate istorice. Aceste jocuri au traversat limbi și civilizații, purtând modele de logică, etică și creativitate. Astăzi, ele formează unul dintre cele mai clare laboratoare pentru înțelegerea inteligenței artificiale - deoarece fiecare mișcare este măsurabilă, fiecare decizie este explicabilă, iar fiecare algoritm lasă o urmă pe care o puteți testa.

Pista puzzle istoric (studii de bază și surse): De-a lungul programei, abordăm un set de puzzle-uri istorice și studii de final de joc: Turul calului (Knight's Tour), Opt regine, a Grâu și tablă de șah puzzle-ul creșterii exponențiale, studiile clasice de împerechere (inclusiv Dilaram și șah-mat manuscris devreme), și Diamantul lui Suli. Reconstituirile noastre și narațiunile puzzle se bazează pe două cărți istorice de șah fundamentale: Cartea lui Acedrez și Kitab ash-Shatranj-două dintre cele mai importante surse pentru patrimoniul cultural și intelectual al șahului și al Shatranjului.

Acest curriculum merge dincolo de șah. Veți recrea și analiza mai multe jocuri de societate istorice, cum ar fi 3 pietre, 9-piatră, Mancala, a Jocul regal de la Ur, și Dame, plus sistemele strategice mai bogate ale Qirkat și Shatranj. Scopul este de a învăța inteligența artificială ca un set de idei transferabile, nu ceva legat de un singur joc.

Repere ale inteligenței artificiale prin software de șah: Urmărim în mod explicit sistemele de referință și ceea ce fiecare dintre ele a învățat lumea despre “inteligența mașinilor”: Turcul, Albastru intens, AlphaZero, și Stockfish. Cursanții văd cum căutare, evaluare, constrângeri tehnice (cipuri, memorie, viteză), iar metodele moderne bazate pe învățare au modelat evoluția software-ului de șah și a inteligenței artificiale.

Cui se adresează acest curriculum

• Studenți: învățați inteligența artificială prin construirea de sisteme pe care le puteți explica, măsura și îmbunătăți.
• Profesori: un curs modular pe care îl puteți preda ca o secvență completă sau ca unități de sine stătătoare.
• Școli și instituții: o cale AI bogată din punct de vedere cultural pentru cluburi, cursuri opționale, bootcamps și programe interdisciplinare.

Ce veți putea face

• Construiți medii pentru jocuri de societate și implementați generarea de mișcări legale.
• Implementați căutarea AI clasică (DFS, BFS, UCS, A*, minimax, alfa-beta).
• Utilizare programare dinamică pentru a rezolva un studiu istoric de final de joc.
• Înțelegeți cum funcționează motoarele moderne de șah (reprezentare → movegen → căutare → evaluare).
• Implementarea învățării prin consolidare din Q-learning tabelar pentru rețele Q profunde și MCTS.
• Înțelegeți Stilul AlphaZero conducte (politici/rețele de valori + PUCT + joc propriu).

Harta curriculumului (25 de lecții, grupate în 9 secțiuni)

Secțiunea 1 - Fundamente și noțiuni de bază Python (Lecțiile 1-6)
Lecția 1: Domeniul de aplicare și prioritățile cursului
Lecția 2: Introducere în calcul și configurare Python
Lecția 3: Tipuri de date Python
Lecția 4: Condiționale, bucle, flux de control
Lecția 5: Funcții, domeniu de aplicare, parametri
Lecția 6: Fișiere, excepții, biblioteci, testare

Secțiunea 2 - Programarea orientată pe obiecte și modelarea jocurilor de societate (Lecția 7)
Lecția 7: OOP, clase, TicTacToe

Secțiunea 3 - Bazele șahului și codul motorului (Lecțiile 8-9)
Lecția 8: Reprezentarea tablei de șah și Shatranj
Lecția 9: Mișcarea pieselor, actualizările stării jocului și condițiile terminale

Secțiunea 4 - Algoritmi de căutare clasici și adversariali (Lecțiile 10-11)
Lecția 10: Probleme de căutare și parcurgerea grafurilor (DFS, BFS, UCS)
Lecția 11: Căutare euristică și arbori de joc adversari (A*, minimax, expectiminimax, alfa-beta)

Secțiunea 5 - Rezolvarea puzzle-urilor de șah vechi cu ajutorul algoritmilor AI (Lecțiile 12-15)
Lecția 12: Turul calului (Turul cavalerului)
Lecția 13: Puzzle cu opt regine
Lecția 14: Problema grâului și a tablei de șah (creștere exponențială + puzzle matematic)
Lecția 15: Minimax, Alpha-Beta, logica șah-mat (cu șah-mat istoric și surse)

Secțiunea 6 - Programarea dinamică (Lecția 16)
Lecția 16: Diamantul lui Suli (Studiu istoric de final de joc)

Secțiunea 7 - Istoria interconectată a IA și a software-ului modern de șah (Lecția 17)
Lecția 17: Stockfish ca software modern de șah cu inteligență artificială (arhitectura motoarelor, căutarea/evaluarea modernă și adaptarea motoarelor la variantele istorice, cum ar fi Shatranj)

Secțiunea 8 - Învățarea prin întărire (Lecțiile 18-22)
Lecția 18: Bazele RL (Gridworld, programare dinamică, complexitate)
Lecția 19: Tabular Q-Learning pe FrozenLake (Frozen Rook)
Lecția 20: Două turnuri vs Rege singur (TD Q-learning)
Lecția 21: Rețele Q adânci (Connect-4, Fox & Hounds, Othello/Reversi)
Lecția 22: Monte Carlo Rollouts și MCTS pe Qirkat

Secțiunea 9 - AlphaZero (Lecțiile 23-25)
Lecția 23: AlphaZero despre Othello/Reversi (politici/rețele de valori + PUCT + joc propriu)
Lecția 24: AlphaZero pe Qirkat (PUCT, policy/value nets, self-play; codificarea mișcărilor în funcție de traseu)
Lecția 25: Dame turcești (Dama): Alpha-Beta, MCTS ghidat de PUCT, comparații AlphaZero

Cum să începeți. Dacă sunteți nou în Python, începeți cu Lecțiile 1-6. Dacă deja codificați, începeți de la Lecțiile 8-11 pentru a intra în construcția de motoare și căutare. Educatorii pot preda secțiune cu secțiune ca unități independente sau pot oferi întregul parcurs de 25 de lecții.

Pentru a accesa lecțiile, creați un cont gratuit și conectați-vă la sistemul nostru de gestionare a învățării: lms.shatranj.ai