maaGames

Очевидно, что нейросеть должна работать не со словами, а со смысловой нагрузкой слов и фраз, иначе результат будет мало отличаться от рандомной комбинации слов.
Поэтому, каждое слово должно быть маркировано смысловой нагрузкой. Например "радость","злость","хорошее настроение","плак-плак" и тому подобное. Т.е. наделить каждое слово смыслом. Затем наделить смыслом комбинации слов и короткие фразы. Нейросети нужно будет скармливать именно тэги из учебного набора фраз (1000 может оказаться маловато). Нейросеть научится определять "смысл и эмоции" подаваемой на вход фразы. После этого можно будет попытаться провернуть обратный процес: задаёте набор тэгов на вход, а нейросеть выдаёт набор слов с таким смыслом. Будет коряво, потому что нужно слова просклонять в соответствии с правилами русского языка, можнт MS-word прикрутить для постобработки текста...

(1)Крестики-нолики >>> (2)уголки >>> (3)шашки без дамок >>> (4)шашки с дамками >>> (5)шахматы.

1 - чтобы разобраться с поиском A*
2 - чтобы разобраться с представлением оценки позиций на доске и сохранением позиции для каждой фигуры в минимальном представлении
3 - чтобы к позиционной оценке добавить стоимость фигур
4 - Это уже полноценные шашки с тактикой и стратегией, на малой глубине поиска такое не заработает нормально (не увидит появление дамок и отсекёт выгодные варианты)
5 - когда шашки с дамками будут адекватно работать, тогда можно пробовать делать шахматы по усечённым правилам, без рокировок, респауна пешек и с другими оговорками.

в шахматах ИИ по большому счёту нет, это супер-пупер математический комбайн. Весь ИИ содержится в звёзочке над А, а всё остальное - поиск в глубину.

Случайно не вы писали сценарий для 19 серии нынешнего сезона сериала "Кости"? Там получили трёхмерную модель костей, распечатали их на 3D принтере, а затем сканировали 3D сканером, чтобы получить в компьютере трёхмерную модель... У вас задумка такого же плана. Зачем растеризовать бинарный текст, чтобы затем распознавать его? Я люблю делать ненужные вещи, но не настолько же!

Весь смысл генетических алгоритмов именно в том, что мутации случайны, а не контролируются программистом по каким-то аспектам. Выборка происходит не перед мутацией (с выбором того, что следует изменить), а уже в мутировавшем поколении. Весь смысл в том, что непредсказуемое решение может оказаться более эффективным, чем предсказуемое.
Это как если программист подумает, что для увеличения скорости передвижения нужно наращивать число ног и через N поколений получит 100500 ножку, а случайные мутации "научат" тараканчика сворачивать тело в колесо (это я типа сравнил многоножку с какой-нибудь макрицей).
Т.е. происходят случайные мутации и алгоритм оценивает, привели ли они к какому-то улучшению по заданным признакам. В примере с огородом, можно ожидать рождение ребёнка с конечностями в форме лопат, который будет очень быстро пахать огород, но не один вменяемый программист не будет специально программировать такое создание.