Self-Play — это метод обучения, при котором агент играет против копии самого себя или против предыдущих версий, чтобы разрабатывать и улучшать стратегии.
С помощью этого метода агент может учиться без внешних данных, генерируя собственный опыт и извлекая из него уроки.
Self-Play часто используется в сочетании с обучением с подкреплением для разработки сильных игровых стратегий в играх с высоким стратегическим уровнем, таких как Го или покер.
Важными техниками являются обучение против самого себя в итеративном процессе, использование так называемых «равновесий Нэша» и избегание переобучения на предыдущих версиях.
Self-Play позволяет обнаруживать сложные модели поведения, которые трудно найти с помощью традиционного обучения на примерах.