Ny studie viser at en regelbasert ‘Aggressive’ agent oppnår klart best resultater i kortspillet Dhumbal.
Sahaj Raj Malla presenterer i arXiv-papiret (arXiv:2510.11736, innsendt 10. oktober 2025) en systematisk sammenligning av AI-agenter (kunstlig intelligens (KI)) for Dhumbal, et flerspillerkortspill med ufullstendig informasjon. Studien formaliserer spillmekanikkene og implementerer regelbaserte heuristikere (Aggressive, Conservative, Balanced, Opportunistic), søkbaserte metoder (MCTS, ISMCTS), forsterkningslæring (DQN, PPO) og en tilfeldig baseline. Evalueringen brukte 1024 simulerte runder og målte vinnersannsynlighet, økonomisk utfall, Jhyap-suksess, kort kastet per runde, risikovurdering og beslutningseffektivitet. Statistisk signifikans ble vurdert med Welchs t-test med Bonferroni-korreksjon, effektstørrelser via Cohens d og 95% konfidensintervall. Regelbaserte Aggressive oppnådde 88,3 % seierandel (95% CI [86,3, 90,3]) og overgikk ISMCTS (9,0 %) og PPO (1,5 %) ved effektiv utnyttelse av Jhyap-erklæringer. Studien leverer et reproduserbart rammeverk og åpen kildekode, og bidrar til digital bevaring av kulturelle spill.
Relevans for Norge: Arbeidet med åpen kildekode og digital bevaring av kulturelle spill gjør studien relevant for norske institusjoner som arbeider med digital kulturarv og spillforskning, og for formidling i AI nyheter.
Kilde: https://arxiv.org/abs/2510.11736 | Sammendraget er KI-generert med OpenAI API av Ainy.no
