В статье представлена адаптация модели AlphaZero для игры "Тогызкумалак" — национальной казахской настольной игры с высокой комбинаторной сложностью. Целью исследования являлась разработка искусственного интеллекта, способного самостоятельно обучаться оптимальным стратегиям игры без использования заранее заданных шаблонов. В работе применён подход, основанный на модификации архитектуры нейронной сети AlphaZero, включающей глубокое обучение и метод поиска с помощью Монте-Карло (MCTS). Модель была реализована на платформе PyTorch и обучалась в процессе самоигры, что позволило постепенно улучшать стратегические навыки. Учтены ключевые особенности игры Тогызкумалака, такие как большое количество возможных позиций на игровом поле, и разработаны специализированные архитектуры сети для их эффективного моделирования. Полученные результаты демонстрируют значительный потенциал сочетания глубокого обучения и MCTS для решения нестандартных игровых задач и создания эффективных стратегий в Тогызкумалаке.

нейронная сеть, модель, Тогызкумалак, слой, интеграция, игра, алгоритм, генерация, адаптация.