自我對弈 是什麼？
Self-play — 自我對弈 的完整解釋
自我對弈是一種強化學習技術，其中智能體與自身的副本進行對弈，從而學習和改進策略，無需外部人類或標記數據。
容易混淆
自我對弈 vs 監督式學習
自我對弈從對局結果學習 監督式學習從標準答案學習 最關鍵的區別是有沒有人工標籤。
自我對弈 vs 一般強化學習
自我對弈的對手也是自己 一般強化學習的環境不一定是自己 最關鍵的區別是資料來源是不是由自己生成。
記住這句就好
沒有現成對手，就自己生一個對手。
實際案例
棋類 AI AlphaGo 類系統會反覆跟自己下棋，讓策略越來越強。
策略模擬 在博弈或談判任務裡，自我對弈可以快速產生大量對戰資料。
算法與應用
自我對弈常搭配策略更新、勝率比較和版本回放。 它能加速探索，但也可能讓模型過度適應自己的對手。 因此通常要定期引入新對手或不同版本，避免只跟自己繞圈。
情境判斷
Q1（直覺題）：如果兩個 AI 版本自己互打來產生資料，這是什麼？
→ 這就是自我對弈。
Q2（判斷題）：自我對弈只要一直跑下去，就一定越來越強嗎？
→ 不一定。它可能會過度適應自己的對手，所以要不斷引入新的變化。
相關術語
常見問題
自我對弈和傳統強化學習有何不同？
A：自我對弈把對手也放進學習迴圈，資料很多時特別有用。
自我對弈需要多久？
A：看任務複雜度和算力，簡單任務可能很快，複雜博弈則可能很久。
自我對弈會不會過擬合？
A：會，所以通常要搭配版本輪替和外部測試。