我正在使用人工神经网络实现奥赛罗游戏。当我阅读文档（这里，第19页）时，我对一些点不太理解。他们计算了输出：图片。我不知道他们是如何计算的，我的AI如何知道游戏中的合法移动来选择最佳的合法移动。那个输出只是一个浮点数（我认为是这样的），我该如何使用它？
回答：
好消息
这非常简单：神经网络（NN）是一个价值网络（而不是策略网络）。这个价值网络以棋盘状态作为输入，并计算一个分数来描述位置的好坏。这是所有基于Minimax的游戏AI的基本构建块，通常称为评估函数。（策略网络的输出会给出所有可能移动的概率分布）
所以神经网络给你这个分数。然后你可以将这个分数与你选择的某种算法结合起来。Minimax（几乎所有国际象棋AI）和MCTS（AlphaGo）是最常见的。
Minimax的基本思想：走一步，对手走一步，（重复），用你的神经网络进行评估 -> 对所有可能的组合进行此操作，并用Minimax传播。使用这个神经网络只能进行几步（半步），但对于奥赛罗游戏来说它将非常强大，而且易于实现。
MCTS的基本思想：随机走一步，随机走一步，（重复），直到游戏结束 -> 构建赢家统计。现在比较所有可能的“第一步”的平均分数。选择最佳的。（将神经网络作为启发式方法更难整合）
你提到的计算只是神经网络中定义激活和密集层的经典规则。
坏消息
我没有阅读那篇论文，但困难的是训练和准备你的神经网络。你需要提供一些数据。可能是监督学习（如果你有历史游戏数据；更容易），也可能是无监督学习（Q学习等）。没有经验的情况下，这将非常困难。
我认为我知道所需的所有理论，但我在一些其他（随机）游戏中仍然失败了，因为有很多自相关等问题，还有很多超参数调整的需要。
结论
这个项目有点复杂，有很多很多陷阱。请确保你理解你想尝试的算法。看起来你似乎缺少基础知识。博弈论（Minimax）、AI/学习理论（MCTS、马尔可夫决策过程、Q学习…）、神经网络（神经网络的基本内部结构）。
