Self play — подход в искусственном интеллекте, при котором модель обучается, взаимодействуя не с человеком и не с заранее размеченным набором данных, а с другой версией самой себя. Чаще всего этот метод используют в задачах, где есть соревнование, стратегия и понятный результат: победа, поражение, ничья или численная оценка качества действия. Именно поэтому self play стал важной частью развития игровых ИИ, систем планирования и некоторых направлений обучения с подкреплением. Идея метода основана на том, что сильный соперник не всегда доступен извне. Если модель играет против слабых противников, она быстро приспосабливается к их ошибкам и перестает развиваться. В self play соперник обновляется вместе с основной моделью, поэтому уровень сложности растет постепенно. Система сталкивается с новыми стратегиями, контрстратегиями и нестандартными ситуациями, которые сама же и создает в процессе обучения. Наиболее известные примеры self play связаны с настольными играми. AlphaGo и последующие системы DeepMind использовали партии против собственных версий, чтобы улучшать оценку позиций и выбор ходов. В шахматах, го и сёги такой подход особенно эффективен, потому что правила формализованы, среда стабильна, а результат партии можно однозначно оценить. Модель получает огромный поток опыта без необходимости собирать человеческие партии в прежних масштабах. В современных нейросетевых системах self play интересен не только для игр. Его применяют в симуляциях, робототехнике, многоагентных средах и задачах переговоров. Когда несколько агентов учатся друг у друга, у них могут появляться сложные формы поведения: кооперация, конкуренция, обманные маневры, распределение ролей. Это делает метод полезным для исследования того, как ИИ действует в динамичной среде, где поведение других участников постоянно меняется. У self play есть и ограничения. Модель может зациклиться на узком наборе стратегий, которые хорошо работают против ее собственных версий, но плохо переносятся на внешних соперников. Иногда возникает перекос: система находит нестабильные приемы, эксплуатирующие особенности симуляции, а не решающие задачу в более общем смысле. Поэтому self play часто комбинируют с архивами старых моделей, случайностью, внешними данными и дополнительными метриками качества.