สำหรับผู้ที่ต้องการเริ่มต้น อาจลองทำโจทย์เริ่มต้นที่ถูกแก้ไขแล้ว เช่น การฝึก LSTM เพื่อแก้ปัญหา XOR หรือการกำหนดค่าพาริตี้ของบิตตามลำดับ
ส่วนโจทย์วิจัยที่ท้าทายประกอบด้วยการสร้าง Multiplayer clone ของเกม Snake ในรูปแบบ Gym environment ซึ่งต้องจัดการกับปัญหาความไม่เสถียรจากการเล่นด้วยตนเอง (self-play) หรือการสร้าง Automated Solutions สำหรับโจทย์อสมการระดับโอลิมปิก
ศัพท์ที่ควรรู้
- LSTM – เป็นโครงข่ายประสาทเทียมที่ใช้ในการประมวลผลข้อมูลตามลำดับ เช่น การทำนายลำดับถัดไป
- XOR problem – เป็นโจทย์คลาสสิกที่ทดสอบความสามารถของโมเดลในการตัดสินใจจากชุดข้อมูลแบบไบนารี
- Gym environment – คือสภาพแวดล้อมจำลองที่ใช้ในการฝึกฝนตัวแทน AI ให้เรียนรู้ผ่านการลองผิดลองถูก
ที่มา: OpenAI