Tamamen kendi kendine eğitimli bir satranç AI


46

Anladığım kadarıyla, hareket etmeden önce, tüm güçlü satranç yazılımı gibi görünüyor

  1. Binlerce veya milyonlarca olası, gelecekteki pozisyonları inceler;
  2. gelecekteki her pozisyonu değerlendirme fonksiyonu olarak adlandırılan bazı sezgisellere göre değerlendirir;
  3. ayrı ayrı her gelecekteki konumunu değerlendirir sükunet, pozisyondan devamlılık keşfetmeye karar vermek;
  4. Minimax ile mevcut hareketler arasından seçer ; ve
  5. bir açılış kitabı kullanır .

Çok uzak çok iyi. Bununla birlikte, bir satranç programının gücü çoğunlukla değerlendirmesinin kalitesine ve sessiz sezgisel taramalarına - ve aynı zamanda bilgisayarın bakış açısına göre başka bir sezgisel olan açılış kitabına bağlı görünüyor. Görünüşe göre, böyle bir satranç programı, yalnızca, buluşmayı hazırlayan insan kadar, oyun hakkında da tam olarak biliyor. Programın kendine ait bir görüşü yok gibi görünüyor.

Hiç kimse kendi iç görüsü olan bir satranç programı yazdı mı? Oyunu kendi başına öğrenir mi? Bu kendini eğitiyor mu? Bu tür bir program elbette oyunun kuralları ile sağlanacak ve muhtemelen daha az ham minimax ve sessizlik altyapısı ile sağlanacak ve eğer varsa, zorla bir arkadaşı tanıyabilecek ve kovuşturmaya başlayabilecekti. Ancak, herhangi bir sezgisel buluş sağlanmayacaktı. Örneğin, oyunu merkeze doğru açmaları, şövalyeleri kale yapmaları ya da Sicilya savunması ne olmadığı söylenemez. Bu tür ilkeleri (veya daha iyi ilkeleri keşfetmek için düşünülebilir) tek başına çıkarması gerekir.

Saf haliyle, böyle bir programa çalışacak usta oyunlar asla sağlanmayacak, ancak yalnızca kendi oyunlarının kendisine karşı oynayabileceği kaydedildi. Sadece bir kez tamamen kendine yetişmiş, insan rekabeti ile serbest bırakılabilir.

Böyle bir saf satranç AI var mı? Mekanik bir satranç otodidaktı daha önce ortaya çıktı mı? Gerçekten, yaşlı Türk kendini öğretebilir mi?

İşte başarısız bir saf satranç AI kısa bir not gibi görünüyor.

( Bu sitede, satranç açılışlarının bilgisayarlı çalışmasına ilişkin teğetsel olarak ilgili bir soru daha önce ortaya çıkmıştı.)

GÜNCELLEME

Soru, bu yazının yazıldığı sırada üç farklı, aydınlatıcı cevaptan, @WesFreeman, @GregE'den kaynaklanmaktadır. ve @Landei. Her üçü de şiddetle tavsiye edilir ve site politikasına göre birini diğerlerinin dışlanmasına resmen kabul ettiğimde kendimi suçlu hissedeceğim . Burada üçüne de minnettar olduğumu ve teşekkürlerini ileteyim.

Sorular kısalık istiyor. Ancak cevaplara verilen cevap daha uzun sürebilir. Bu nedenle, ilgilenen okuyucu doğrudan buradan cevaplara atlayabilir ve daha sonra yine ilgileniyorsa, izleyen daha uzun güncellemeleri okumak için geri dönebilir.

Soruyu sorduğumda, aşağıdaki gibi bir şey aklımdaydı.

İnsanların hiç satranç duymadığı Shangri-La'nın eteklerinde varsayımsal bir köy olduğunu varsayalım. Kısa ziyaretiniz sırasında, köyün büyüklerine oyunun kurallarını öğretirsiniz, ancak onlara oyunun ilkelerinde hiçbir zaman talimat vermeyin. Büyüklerin ikisi, diğerlerinin izlediği gibi bir oyun oynar, oysa (oyunu kibitzing ile bozmak istemez), yorumunuzu kuralların sorularıyla sınırlandırırsınız. Hiç bir ölüm sonrası oyunu izlemiyor, ne de siz Shangri-La'da kalırken satranç oynamıyor ya da tartışılmıyor. Ancak, ayrıldığınızda, asla geri dönemezseniz, satrançınızı geride bırakırsınız.

Senin yokluğunda, yaşlılar oyunu insanlara öğretir. İnsanların bazıları daha sonra boş zamanlarında biraz, biraz da kendilerine ait satranç takımları yapan, artan bir hevesle oynuyorlar.

Köylülerin bir kalenin bir şövalyeden daha iyi olduğu hemen belli olmayabilir, ancak insanlar hala birçok oyunda satranç figürlerinin göreceli güçlerini çözebilirler. Aynı şekilde, 1. a4'ün zayıf bir açılış olduğu kendileri için hemen belli olmayabilir: onlar deneyebilir, ancak sonuçları değerlendirebilirler.

Köylülerin oyunu anlama anlayışı, nihayetinde dış dünyayla ne kadar yakınlaşacak? Bir açılış kitabının olmaması, kendi başlarına yeni açılımlar geliştirebilir mi? Tabii ki, bir köylünün açıklıklar ilk başta çok iyi olmasını beklemiyordum ama, tecrit birkaç yüzyıl verilen köylüler olabilecek tüm bildiğim için, saygın bir açılış repertuarı gelişir.

Bağımsız olarak geliştirilen açıklıklarından herhangi biri, 200 yıl sonra bir sonraki yolcunun notlarını almak için geçtiği zaman dış dünyaya ilginç geldiğini kanıtlar mıydı? Shangri-La dünyaya yeni, yeni, Shangri-La Savunma'yı verebilir mi?

Eğer öyleyse, o zaman, satranç AI hakkındaki orijinal soruma göre, aklımdaki şey şu ya da azdı: bir satranç AI, Shanrgi-La eteklerinde köylülerin satranç ilerlemesini aşağı yukarı çoğaltabilir mi?

Sussman'ın @ Landei'nin cevabındaki hikayesi göz önüne alındığında, köylülerimin oyuna bazı önyargıları getireceği şüphesiz doğrudur. Örneğin, daha fazla işe yarar bir şeye sahip olmanın genellikle daha az şeye sahip olmaktan daha iyi olduğu ve bu nedenle bir rakibin satranççılarını ele geçirmenin muhtemelen kendi şahsın yakalanmasında sıkça tercih edildiğine dair bir anlayış getirecektir. Shangri-La'nın kurgusal halkının ne kadar bölgesel olduğu, doğası gereği edebiyat için bir sorudur, ancak kişi daha az yer alan bir pozisyondan daha fazla yer yöneten bir pozisyonu tanıyabileceklerini varsayabilir. Ve bir keresinde bir satranç takımı gösterip oyunun kurallarına göre talimat verilen parlak acemiler, bir kraliçenin bir piyondan daha iyi olduğunu, sadece kraliçenin 27 hamle yapabildiğini söyleyebilir.

Bu nedenle benim sorum, satranç tahtasına herhangi bir bilgi getirmeye karşı mutlak, Sussman tarzı bir mahkumiyet anlamına gelmediği için yorumlanmasına gerek yok; fakat önceden düşünülmüş, satranç-özel bilgiye karşı genel bir mahkumiyet anlamına gelmez. Sonuçta (uzun zaman önce oyunun kurallarının evrimi göz ardı edilerek), geçmişte bir süre önce ilk satranç oyunu oynandı. Belki de ilk oyuncu 1. açmıştır; a4; ama nihayetinde daha iyi öğrendi ve öğrendiklerini öğrendi; sırayla bize daha fazla şey öğrendi ve bize daha fazla şey öğretti.

Bir AI böyle bir şeyi yapamaz mı, sadece yüzyıllardan ziyade haftalar içinde?

Platon şüpheci olurdu, sanırım. Hume daha iyimser olur, ancak soru artık yalnızca felsefe ile çözülmez. Şimdi önermeyi test edecek elektronik bilgisayarlarımız var ve AI sanatının durumunun ne olduğunu merak ediyordum. Şu anki en iyi satranç yapay zekâları, hiçbir şeyi düşünmeden herkesi yenen, inatçı olmayan uzman sistemler gibi görünmektedir. Biraz daha geniş AI'ların, bir anlamda, aslında satranç hakkında düşünenlerin, kendilerine oyun öğretmede önemli bir başarı elde edip etmediklerini merak ettim.

Cevabın hayır, muhtemelen hayır olduğunu toplarım.


4
Bu, gerçekten bu sitede daha iyi sorulardan biri.
prusswan

5
DeepMind, sıfırdan eğitim aldıkları yeni bir sanat satrancı AI hakkında araştırma yaptıktan sonra cevabı şimdi evet gibi görünüyor (sadece kendi kendine oyun, referans oyunları yok). arxiv.org/pdf/1712.01815.pdf
Lalaland

1
@Lalaland 'ın yorumuna ekleyerek, eğitimden sonra 10 saat boyunca balığın tamamen acemi olduğunu sanıyordum (hangisi olduğundan emin değilim). Motor vs motor oyunlarında duyulmamış. Görünüşe göre alfago zero Tal tarzında oynamayı seviyor
Ariana

2
“Bir AI yüzyıllar gibi birkaç hafta içinde böyle bir şey yapabilir mi? Muhtemelen hayır.” Bir şekilde haklıydın ... Sadece saatler sürdü.
user230452

1
Capablanca gibi bir kaç oyuncunun bir kez oynadığını görerek oyunu çözdüğü düşünülüyor. Ve Alpha Zero'nun düşünecek başka bir şeyi olmadığını hatırlayın.
Philip Roe,

Yanıtlar:


26

Çok ilginç noktaların var. AI araştırmalarında biraz deneyimim var (Yüksek Lisansım bu alandaydı), bu yüzden bazı görüşler sağlayabileceğimi düşünüyorum.

Bölgede yeniden arama

Geri ile "evrimsel bir yaklaşım satranç" araması geldi - Birincisi, bu alanda araştırma kesinlikle oluyor bu yazıda , hemen hemen sizin önerdiğiniz tam olarak ne yaptığını, 2001 den min / max yaklaşım bırakarak ve sadece değerlendirme işlevini değiştirerek. Daha fazla kazmak mümkündür ve bu alanda genel olarak çalışan birkaç kişinin farkındayım.

Teorik olanaklar

Bana göre, AI oynayan "saf" bir satranç yaratmanın tek gerçek sınırlayıcı faktörü hesaplama zamanıdır. Böyle bir AI'nın teorik olarak mevcut yaklaşımlar kullanılarak oluşturulamamasının hiçbir nedeni yoktur.

Pratik ve uygulamaya yönelik

Bir satranç buluşma fonksiyonunu geliştirmede evrimsel ya da genetik yaklaşımları kullanmanın iki ana sorunu vardır; birincisi, en temelinde bile, satranç için bir buluşsal fonksiyonun oldukça karmaşık olmasıdır. Yüzlerce kuraldan, parça değerlerinden (pozisyona, vb. Göre farklılık gösterebilecek), konumsal analizlerden vb. Bahsediyoruz. Bu kuralları tanımlamak için esnek bir bilgisayar diline ihtiyacınız olacak ve sonra bu kurallar rasgele oluşturulabilecektir. Mutasyona uğramış, birbirleri ile yetiştirilmiş, vb. Kesinlikle mümkün, ama sanırım birkaç kişiden oluşan bir kural belirleyeceksin. Dinamik olarak gelişecek çok büyük bir kural.

İkinci sorun, yeni değiştirilmiş kuralınızı gerçekten değerlendirmek için satranç oyunlarını oynamanız ve kimin kazandığını görmek. Bunu "doğru" yapmak istiyorsanız, her iki oyuncuya da düşünmek için bolca zaman, tipik bir oyun uzunluğuna benzer bir şey vermek isteyeceksiniz. Ancak, yalnızca tek bir rakip oynamak yeterli değildir, oyun gücünde bir gelişme bulduğuna gerçekten inanmadan önce birçok kez, belki de aynı rakipleri birçok kez oynamak istersiniz. Bu muhtemelen popülasyonunuzdaki kişi başına birkaç yüz oyun oynamak anlamına gelir ve bu size algoritmanızın bir neslini verir.

Genellikle bu tür yaklaşımlarla, en az birkaç yüz nesile veya bir satranç sezgisel, birkaç yüz bin (hatta milyonlarca) nesile benzeyen karmaşık işlevlerle bakıyor olabilirsiniz. Bazı hızlı matematik işlemleri, sizi tek bir nesil için birkaç bin saat CPU zamanına ihtiyaç duyacağınıza ikna etmeli, hatta bunu önemli boyutta bir sunucu grubundan ölçeklendiriyorsa, muhtemelen tam olarak evrimleşmek için birkaç (muhtemelen yüzlerce) yıl gerekecek güncellemenizden bahsettiniz.

Bu sürenin sonunda, muhtemelen oyunda hiçbir zaman keşfedilmemiş olan, muhtemelen tonlarca iç görüsü olabilecek ilginç bir algoritmaya sahip olacaksınız. İnsanlara faydalı veya hatta anlaşılabilir olacağını söylemek zor. Bu kural neden var? Çünkü birkaç binin üzerinde oyun işe yaramış gibi görünüyordu.

gelecek

Bu güçlerin bilgisayar gücü arttıkça daha popüler hale geleceğinden şüphem yok. Şu anda, bir makinenin insanları (neredeyse hepsi) yenmek için yeterli bilgi işlem zamanına sahip olduğu bir noktadayız, eğer zeka dikkatle el yapımı ise. 20 yıllık bir süre içinde, işlemcilerin o kadar fazla hareket etmiş olmaları muhtemeldir ki, bir ya da iki ekstra hareket derinliği artık "sabit kodlu" makinelere yeterince fayda sağlamamaktadır ancak rutin olarak gelişmiş, garip sezgisel makineler tarafından dövülmektedir. arkasında milyonlarca saat evrim var.

2018 Mayıs Güncellemesi

Robert Kaucher'in aşağıdaki bir yorumda bahsettiği gibi, son haberler burada bir sözü hak ediyor. Özellikle, Google’ın AlphaGo projesi bu tür oyunlara ilk gerçekten uygulanabilir AI tabanlı yaklaşım gibi görünüyor ve 2017 yılının sonlarında , görev için yeniden amaçlandıktan sonra StockFish 2’ye karşı kazandığını iddia ediyor .


Teşekkür ederim. Bağladığınız makalenin AI'sını ilk önce insan dışı rakiplere karşı ve sonra da mevcut satranç yazılımına karşı eğittiğini fark ettim, bu bizim ve aklımdaki şey değildi. Benim gibi bir Platonist, sizin ve benim tartıştığımız AI türünün pratik bir imkansızlık olduğunu öğrenmeye şaşırmayacaktır (teorik olarak imkansız olmadığını biliyoruz çünkü satranç teoride minimumda çözülebilir); ama bir cevabın beni şaşırttığı nokta değil. Bir AI'nın önerilen başarıya ulaşıp ulaşmadığını sormaktır. Cevap hayır gibi görünüyor.
thb

2
@thb Bu tür AI'larda çok sayıda girişimlerde bulunulduğunu düşünüyorum, ancak bunları "başarısız" olarak görebilseniz de. Son derece başarılı bir girişimin (bugün) muhtemelen çok zayıf bir amatör seviyede oynayacağından şüpheleniyorum; halkın gözünde değil, büyük bir başarı. Ayrıca, mevcut programlara ve insanlara yönelik eğitim aldatma olduğunu sanmıyorum - sadece gelişen büyük AI'nın oyun stilinin yönünü değiştirebilecek olsa da, çok büyük bir optimizasyon.
Daniel B,

1
Eğer “saf” yaklaşım hakkında daha fazla okumaya meraklıysanız, muhtemelen “rekabetçi koevolution” yaklaşımları ararken daha fazla şansınız olacak. Bu, dış performans ölçütü sağlamanın iyi bir yolu olmadığında (yani diğer satranç motorlarına karşı oynayamıyoruz) kullanılan ifadedir, bu nedenle AI eğitiminin çeşitli versiyonlarını oynayarak gelişmesi gerekir. Kesinlikle işe yarıyor ama daha uzun sürüyor, bu yüzden muhtemelen daha az takip edilen bir yaklaşım.
Daniel B,

1
@DanielB AlphaZero böyle bir AI mı?
Harry Weasley

1
Cevabınızı güncellemek isteyebilirsiniz. chess.com/news/view/…
Robert Kaucher

17

İstediğiniz şeyin bir tür genetik algoritma veya evrimsel algoritma yaklaşımı olarak sınıflandırılacağından şüpheleniyorum . Programcının hala bir pozisyonun statik özelliklerini (malzeme sayımı, piyon yapısı, renk kompleksleri, vs.) tanımlaması gerektiğinden, temelde bir dereceye kadar insanın önyargısını içsel olarak yerleştirmeden bu tür bir algoritmayı tasarlamanın gerçekçi bir yolu olmadığını düşünüyorum. AI'nın farklı oyunlardan pozisyonları sınıflandırıp karşılaştıracağına göre. Yukarıdaki algoritmik terminoloji hakkında satranç bağlamında bir Google araması yaparsanız, çok sayıda sonuç bulacaksınız, ancak muhtemelen başarılı, rekabetçi yapay zeka oluşturmak için kullanılmış olan ciddi bir araştırma yönteminden çok az.

Gerçek şu ki, Moore yasasının bir sonucu olarakBilgisayarlar artık son derece sofistike AI yöntemlerinin sadece gereksiz olmadığı (en iyi insan rakiplerinden daha yüksek bir seviyede oynamak için) değil aynı zamanda makul derecede üretken olabildiği kadar güçlü hesaplama makineleridir. Satranç, esasen herhangi bir pozisyondaki makul hareketlerin nispeten küçük arama alanından ve taktik kombinasyonları zorlamaktan (çek dizileri, parça yakalama, eş tehditleri veya maddi yıkıntı dizileri içeren) içeren küçük oyun alanı nedeniyle, vb.) - bazı muhafazakar arama ağacı budamasıyla kaba kuvvet yaklaşımı aynı anda en algoritmik olarak basit ve en etkili yaklaşımdır. Oyunsonu masalarının ve kitapların açılışının kullanılabilirliğini hesaba katarsanız, bu yaklaşımın mantığı yalnızca büyür. Orada olduğunu anlıyorum Hala bahsettiğiniz yeni AI türünde teorik ilgi ve potansiyel değer konusunda hala çok fazla şey var, ancak satranç geliştirmenin yanlış bir alan olduğunu düşünüyorum. Öte yandan, doğası gereği daha az taktik olan ve kaba kuvvet yaklaşımlarını pratik olmayan kılan çok daha geniş bir arama alanını kapsayan Go gibi bir oyun, en gelişmiş AI araştırmaları için daha iyi bir aday olabilir.


AI sorusunu cevabınız ışığında güncelledim. Güncelleme kısa değildir, bu nedenle, seçeneğinizde, biraz zamanınız olduğunda, sizi ilgilendiren ölçüde gözden geçirebilirsiniz.
thb

2
Böyle bir insan yanlılığına ihtiyaç duyulmaz. Basitçe yasal satranç oynayabilen 1000 rastgele algoritma üret, bunları bir turnuvada birbirlerine karşı kullan, daha sonra ilk% 20'yi al ve yeni nesli inşa etmek için mutasyon ve geçit uygula. Birkaç nesiller boyunca birkaç popülasyonda tekrarlayın; sonunda yarısı kadar iyi bir şey almalısınız. İhtiyaç duyulan tek uygunluk fonksiyonu kazan / kaybet olacaktır.
superluminary

15

Genel Oyun Oynama başlıklı Wikipedia sayfasını inceleyin . Aktif bir araştırma alanı. Programlara yeni bir oyunun kuralları verilen, bir süre düşünebilecek ve daha sonra birbiriyle oynayacakları yıllık bir GGP turnuvası var.

Bir GGP programına satranç kurallarını verirseniz, bunun bir insan acemisinden çok daha güçlü ve amaç amaçlı yazılmış bir satranç programından daha zayıf olduğunu göreceğinizi düşünüyorum.


13

AlphaZero'nun Stockish 8'e karşı son zamanlardaki çarpıcı başarısı ışığında bu soruyu tekrar gözden geçirmeye değer . DeepMind'in AlphaGo ve AlphaGo Zero programlarının bir başka evrimi olan AlphaZero , gezegendeki en güçlü "geleneksel" satranç motorlarından birine karşı +28 = 72 -0'lik şaşırtıcı bir puan aldı.

AlphaZero, kendini güçlendirici öğrenme yoluyla oynamayı öğretti, sinir ağı mimarisini kendine karşı bir dizi oyunla eğitti. Göre eşlik eden kağıt :

  1. Konumu tanımlayan giriş özellikleri ve hareketi tanımlayan çıkış özellikleri, bir düzlem kümesi olarak yapılandırılmıştır; yani sinir ağı mimarisi panonun ızgara yapısı ile eşleştirilir.
  2. AlphaZero, oyun kurallarının mükemmel bir bilgisi ile sağlanır. Bunlar, MCTS sırasında, bir dizi hareketten kaynaklanan pozisyonları simüle etmek, oyun sonlandırmasını belirlemek ve bir terminal durumuna ulaşan tüm simülasyonları puanlamak için kullanılır.
  3. Kuralların bilgisi aynı zamanda giriş düzlemlerini (örneğin döküm, tekrarlama, ilerleme kaydetme) ve çıktı düzlemlerini (taşların nasıl hareket ettiği, promosyonlar ve parçaların shogi'de nasıl düştüğü) kodlamak için kullanılır.
  4. Keşif gürültüsünü ölçeklendirmek için tipik yasal hamle sayısı kullanılır (aşağıya bakınız).
  5. Maksimum adımı aşan satranç ve shogi oyunları (tipik oyun uzunluğuyla belirlenir) sonlandırılır ve bir sonuç çıkar; Go oyunları, önceki çalışmalara benzer şekilde Tromp-Taylor kuralları ile sonlandırıldı ve puanlandı (29).

AlphaZero, yukarıda belirtilenlerin ötesinde herhangi bir alan bilgisi kullanmadı.

"- Kullanılıyorum biri farklı donanım gibi şeyler hakkında sorular ortaya eminim AlphaZero ... 4, tek bir makine kullanılan TPU . Stockfish ... [onun] güçlü 64 iş parçacığı kullanarak beceri düzeyi ve bir karma boyutunda oynanır 1GB’lık - ama her durumda AlphaZero'nun sonucu kayda değer bir sonuçtur ve OP'nin damarında çok fazladır.

Etki alanına özgü bilginin ne kadar az oyunda olduğu konusunda daha da fazla destek ortaya koyan oyuncu, satrançta satmanın yanı sıra, AlphaZero aynı zamanda shogi'de şampiyon Elmo programından en iyi şekilde yararlanma noktasına kadar eğitim gördü ve elbette Gogo'daki öncülü AlphaGo Zero'yu aştı. .

İşte, Stockish'e karşı oyunlardan biri, maddi dengesizliğin en sonunda bir şövalye karşısındaki piskopos çifti ile AlphaZero ve Stockish için 4 piyon olan bir Berlin 31.Qxc7. Bu pozisyonda, AlphaZero'nun tüm parçaları piskoposlar orjinal karelerine geri döndüler. Sonuçta, kraliçeler çıktıktan sonra siyah parçalar yavaş yavaş beyaz piyonları almak için manevra yapar ve bu perdeler.

Stockish - AlphaZero, 2017-12-04, 0-1
1. e4 e5 2. Af3 Piyon sadece kareler Ac6 3. BB5 AF6 4. d3 Fc5 5. Bxc6 dxc6 6. OO Nd7 7. Nbd2 OO 8. Qe1 f6 9. NC4 Rf7 10. a4 Ff8 11. kh1 NC5 12. a5 Ne6 13. Ncxe5 fxe5 14. Nxe5 Rf6 15. Ng4 Rf7 16. Ne5 Re7 17. a6 c5 18. f4 Qe8 19. axb7 Bxb7 20. Qa5 Nd4 21. Qc3 Re6 22. Be3 Rb6 23. Nc4 Rb4 24. b3 a5 25. Rxa5 Rxa5 26. Nxa5 Ba6 27. Bxd4 Rxd4 28. NC4 RD8 29. g3 h6 30. Qa5 Fc8 31. Qxc7 BH3 32. Rg1 RD7 33. Qe5 Qxe5 34. Axe5 Ra7 35. NC4 g5 36. Rc1 BG7 37. NE5 Ra8 38. Af3 Piyon sadece kareler Bb2 39. RB1 Bc3 40. NG1 BD7 41. Ne2 Bd2 42. Rd1 Be3 43. Kg2 Fg4 44. Re1 Bd2 45. Rf1 Ra2 46. H3 Bxe2 47. Rf2 Bxf4 48. Rxe2 BE5 49. Rf2 Şg7 50. g4 BD4 51. Re2 Kf6 52. e5 + Bxe5 53. KF3 Ra1 54. Rf2 Re1 55. Kg2 + BF4 56. C3 Rc1 57. d4 Rxc3 58. dxc5 Rxc5 59. b4 Rc3 60. H4 Ke5 61 . hxg5 hxg5 62. Re2 + Kf6 63. KF2 BE5 64. Ra2'nin RC4 65. Ra6 + Şe7 66. Ra5 Ke6 67. Ra6 + Bd6 0-1

11

Böyle bir AI üretmenin zorluğunun asıl nedeni, "eğitimi" etkin kılmak için gereken alandan kaynaklanıyor.

Ayrıca (kendi eğitim yorumunuza cevap olarak), böyle bir AI'yı geliştirmeye çalışırken kendi kendine eğitim zararlı olabilir - Tic Tac Toe ile biraz araştırma yaptım (kuşkusuz daha basit) ve her türlü buldum Her iki taraf da korkunç oynadığı için kazanmak için (ve bu korkunç şekilleri eğitmek için) korkunç yollar. Kendi kendine eğitim ile makul bir performans elde etmek, tic-tac-toe'da ileriye dönük iyi bir AI'ya karşı egzersiz yapmaktan çok daha uzun sürdü.

Bununla birlikte, hem derin arama hem de "eğitim" kullanan bir melez görmek ilginç olacaktır - orta oyun için bir çeşit depolanmış pozisyon veritabanı (sadece son oyun ve açılışlar yerine). Çok fazla alana ihtiyaç duyardı.

Belki de pozisyon kazanma / kaybetme / beraberlikten ziyade pozisyon kavramlarını öğrenecek daha "gerçek" bir AI yaklaşımı düşünüyorsunuz, ama bunun çok etkili olacağını düşünmüyorum (güçlü motorlara kıyasla).


Cevap takdir edildi. Aklımda bulunduğuna inandığım şey (a) 'nın minimax özelliğine sahip olduğu ancak (b) önceden belirlenmiş bir değerlendirme işlevinin olmadığı bir AI idi. Böyle bir yapay zeka, saf minimax tarafından tic-tac-toe gibi küçük bir oyunu mutlaka çözecektir. Satrançta, sadece teorik olarak minimax'a duyarlı bir oyun olan AI, tahtadaki mevcut pozisyonu değil gelecekteki pozisyonları değerlendirir, bundan sonra minimax bu hareketi seçer. Nimzowitsch'in bilinen değerlendirme buluşmalarını silerek satrançta devrim yarattığı söylenebilir. Eğer öyleyse, o zaman bir makine de aynı şekilde yapabilir mi?
thb

1
Yani kendi değerlendirme işlevini geliştireceğini mi söylüyorsun?
Eve Freeman,

2
@ thb, bir programcı olarak, sizin fikrinizle ilgili meselenin, görebildiğim kadarıyla, bir değerlendirme fonksiyonu için tamamen boş bir satranç tahtasıyla başlayabilecek kadar basit bir satranç AI başlayamayacağıdır. Biri, kalıplar için oyunları analiz eden ve değerlerini ve karar verme sürecini ince ayarlamak için istatistiksel / olasılıksal yöntemleri (örneğin, Bayesian çıkarımı) kullanan bir AI yazabilir, ancak programcının hangi motifleri, konumsal faktörleri, hareket dizilerinin söz konusu kalıpları oluşturduğunu tanımlaması gerekir. ve bunları ölçmek için hangi kriterlere göre. Başka bir deyişle, değerlendirme işlevinin temel çekirdeği hala insan tarafından tasarlanmalıdır.
Greg E.

1
Örneğin genetik bir minimax motorunun ne getirdiğini görmek ilginç olabilir; örneğin, tüm parçaları aynı malzeme değerinde, kazan / kayıp / çekilişe dayalı olarak başlatmak ve malzeme değerlerinin değişmesine izin vermek. Motor üreticilerinin bunları düzeltmeyi çoktan denediklerine eminim, şövalyeleri 2.9 ve piskoposları 3.1 piyon yapmak gibi.
Eve Freeman

1
@ thb, uzman değilim ama sanırım durum bu. Bağlandığınız AI bile, programcının önyargıları ile sınırlıdır. Orijinal araştırma belgesini okursanız, değerlendirme işlevini eğiten “özellik vektörünün” “dikkatlice elle tasarlanan” pano özelliklerinden oluştuğunu belirtir. Diğer bir deyişle, programcının AI'nın karar vermesine dayandırdığı statik konumsal faktörler kümesini belirtmesi gerekir. Bu belirli proje için bir sinir ağının en büyük avantajı, eğitimin büyük miktarda oyunun verimli bir şekilde eşzamansız işlenmesini sağlayacak şekilde paralelleştirilebileceğidir.
Greg E.,

10

Sadece Greg'in ve Wes'in cevaplarını burada genişletmek istiyorum. Thb'nin önerdiği AI'ler sadece bu uygulama için gerekli olan karmaşıklıkla mevcut değildir. Olsalar bile, bunda başarısız olacaklarından şüpheleniyorum. Sanki thb, oyunun temel kurallarını öğretilebilecek ve daha sonra gönderilebilecek güçlü bir genel amaçlı AI istiyor. Ancak, geliştirilmekte olan genel amaçlı AI'lara bakarsanız, hepsine 1-2 yaş düzeyinde nesne ve konuşma tanıma gibi şeyler öğretilir. Herhangi bir genel amaç AI'nın, bir oyunun nasıl oynanacağını anlamadan önce bir oyunun ne olduğunu anlayabilmesi için karmaşıklığa sahip olması gerekir. Genel bir yapay zeka tasarlayamaz ve dar ya da özel bir yapay zeka gibi yapmasını bekleyemezsiniz. Genel bir amaç AI'nın bir satranç gibi insanlara öğretilmesi gerekir ve birlikte bir satranç tarihi bilgisi olmayan iki acemi oyuncuyu bir araya getirmek ve kendiliğinden açılışları ve stratejik temaları yeniden icat etmek için bekleyemezsiniz. Her birinin, yüz binlerce yinelemenin üzerindeki tüm oyunlarının geçmiş verilerine erişebilmesi için birbirlerinin oynadığı AI'nın yüzlerce örneğini alır. Ve her AI'nın farklı seviyelerde ağırlıklı belirli özelliklere sahip olması gerekir.

Bu almak yaklaşık 500 yıl insanları aldı Rodrigo (Ruy) López de Segura ve Pedro Damião için Paul Morphy ve daha sonra oyun kadarki süreçte başka değişiklikler dikkate Steinitz ve Alekhine. Ve bu değişimin tümü, farklı mizaçlara ve diğer etkileyici özelliklere sahip yüz binlerce oyuncunun dinamizmi ile gerçekleşti (örneğin, piskoposlar üzerindeki şövalyelerin veya şövalyelerin piskoposlarının rastgele tercih edilmesi gibi), oyun stilleri ve modalarından bahsetmemek. Bütün bunlar yüzyıllar boyunca satrancı etkileyen değişim dinamosuna katkıda bulundu. Zayıf bir AI yok - zayıf bir genel amaç AI bile - bu tür bir dinamoyu kopyalayamaz çünkü arzudan yoksundur. Sadece arzu, bir şeyi "tutukladı" düştükten sonra onu yakmak veya iyileştirmek niyetiyle açılışı analiz etmek için günlerce saatlerce oturmak için bir şeyler sürebilir . Gerçekte zayıf oyuncular arasındaki milyonlarca oyunun körlüğünü değil, yüzyıllar boyunca oyunu iyileştiren analiz ve hazırlık için bu tür bir tahrik.

İngilizceyi konuşamayan, anadillerinin edebiyatını hiç okumayan, İkinci Dil kitapları olarak İngilizceye sahip bir odaya koymak ve Shakespeare'in eserleri gibi bir şeyle gelmelerini beklemek gibi. Asla, asla olmayacak.

EDIT : Bu iddiada bulunmaktan daha iyisini bilmeliydim çünkü gerçekleşti .

Chess.com “AlphaZero oyunu geleneksel anlamda“ öğretmedi ”dedi. “Bu açılış kitabının olmaması, oyun sonu tablolarının olmaması ve görünüşe göre merkez piyonlar ile yan piyonlar arasındaki dakika farklarını ortadan kaldıran karmaşık algoritmalar olmadığı anlamına geliyor. Bu, binlerce metal parçaya ve parçaya erişime sahip bir robota benziyor, ancak bir yanmalı motor bilgisi yok, sonra bir Ferrari inşa edene kadar her kombinasyonla mümkün olan birçok kez deney yapıyor. … Programın pek çok defa oynamak için dört saati vardı, böylece kendi öğretmeni oldu. ”

Açıkçası temelsiz utangaçlık devam ettim:

Dünya hakkında sahip olduğumuz tüm gizli bilgileri kabul ediyoruz. Tahta parçaları ve bir çiviye ihtiyacım varsa, o zaman çekiç benim için bir tornavidadan daha kullanışlı olduğunu anlayabilmek için, önce belirli durumlarda bazı şeylerin diğerlerinden daha yararlı olduğunu anlamam gerekir. Ayrıca, şeylerin bir hedefe uygulanabilecek bir kullanımı olduğunu da anlamam gerekiyor. Bunlar buluşsal. AI'ya bazı parçaların diğerlerinden daha değerli olduğu söylenemezse, eşin ne olduğunu nasıl anlayabilir? Belli bir sezgisel buluşma ile programlanamazsa, "değer" ve "fayda" formu deneyimi gibi bu fikirleri ileri sürdürebilmesi gerekir. Ve bu dar AI alanı değil. Genel amaçların alanı, güçlü AI.


1
Mükemmel cevap Sanırım ilk paragrafınız, benim geçmeye çalıştığım fikrini gerçekten kristalize ediyor, fakat bunu daha net bir şekilde yapıyor.
Greg E.

Sağol Greg. Sadece zayıf genel amaçlı AI'dan bahsettiğimi eklemek istiyorum. Gerçek bir Güçlü AI'nın, çok sayıda sıkıştırılmış zaman dilimi içinde birçok yinelemenin birçok vakasında böyle bir şey yapabileceğine inanıyorum. Ancak henüz Güçlü AI yok. en.wikipedia.org/wiki/Strong_AI
Robert Kaucher

Arzu bölümü ile ilgili söylediklerinize katılıyorum. AI, tasarımcıların istediği şeyi yaparak saatlerce oturabilir - yeterince bilgisayar gücü satranç çözebilir, sadece henüz yeterli güce sahip değiliz.
Eve Freeman

Bu doğru Wes, ama o zaman "programcı" ya da AI’nın önyargısını enjekte ediyoruz; Bu sorunun yazarının istemediği şeylerden biri.
Robert Kaucher

@EveFreeman, söylediklerimi yanlış anladığınızı düşünüyorum. Bilgisayarların “satranç çözmeyeceğini” söylemiyorum . OP'nin özel senaryosunun işe yaramayacağı noktaya geldiğini söylüyorum. Sistemin buluşsal bir özelliği yoksa, parçalara nasıl değer verebilir?
Robert Kaucher,

9

Lütfen aşağıdaki AI Koan hakkında meditasyon yapın:

Sussman'ın acemi olduğu günlerde, Minsky bir kez PDP-6'ya saldırmaya başladı. “Ne yapıyorsun?”, Minsky'ye sordu. “Tic-Tac-Toe'yu oynamak için rastgele kablolu bir sinir ağını eğitiyorum” diye cevapladı Sussman. Minsky'ye “Ağ neden rasgele kablolu?” Diye sordu. Sussman “Nasıl oynanacağına dair herhangi bir önyargıya sahip olmasını istemiyorum” dedi. Minsky sonra gözlerini kapattı. “Neden gözlerini kapatıyorsun?”, Sussman öğretmenine sordu. “Böylece oda boş olacak.” O anda, Sussman aydınlandı.

Uygulamalarımız her zaman önyargılıdır, gözlerinizi kapatıp kapatmamanız ...


Fıkralarınız çok ikna edici. Sizi ilgilendiren ölçüde, anekdotunuz, biraz zamanınız olduğunda yukarıda görebileceğiniz bir güncelleme ile soruyu genişletmemi istedi.
thb

8

Hiç kimse kendi iç görüsü olan bir satranç programı yazdı mı? Oyunu kendi başına öğrenir mi? Bu kendini eğitiyor mu?

Evet. Matthew Lai tarafından yazılmış Zürafa satranç motoru göz atın . Satranç bilimi Yapay Zeka araştırmasının bir parçası olarak bilgisayar bilimi dalında yüksek lisans derecesi için yazdı.

TalkChess satranç programlama forumunda geçen yıl bu konuda çok tartışma yapıldı . Biliyorum çünkü motoru Zürafa kadar güçlü olan bir satranç motoru yazarıyım. Bununla birlikte, motorumu geleneksel teknikleri kullanarak uyguladım, Zürafa'nın yazarı “derin sinir ağları ile zamansal fark güçlendirme öğrenmesi” kullanarak motorunu eğitti. Matthew hala bir pozisyonu dinamik olarak değerlendirmek için geleneksel alfa / beta araştırması yapmak zorunda kalmıştı , başka bir deyişle birçok hareketi ileriye bakmak için. Yeniliği, statik bir pozisyonu değerlendirmek için motoru eğitiyor . Buna karşılık, motorumun statik değerlendirme rutini üzerine özel bilgiler yazdım.

Olumlu sonuçlar veren daha güçlü bir motor olan parçacık sürüsü algoritması kullanarak değerlendirme parametrelerini ayarlamak için kod yazdım ( blogumda teknik tartışma bağlantıları için Teşekkürler sayfasına bakın ). Ancak bu, motorun çok geniş bir değerlendirme parametreleri alanındaki hatayı en aza indirecek kadar “öğrenmesini” sağlama görevi değildi (10 ^ 150 ayrık parametre kombinasyonlarının sırası).

Matthew, tezini TalkChess forumunda tartışıyor. Doğru hatırlıyorsam, şimdi DeepMind'de Google için çalışıyor.

Ayrıca, Thomas Petzke'nin bloguna da göz atın . Son derece güçlü bir satranç motoru olan ICE'yi yazdı ve motorun statik değerlendirmesini geliştirmek için genetik algoritmalar kullandı. Nüfus Tabanlı Artımlı Öğrenme gibi 2013 ve önceki yazılarına bakınız .


Foruma Hoş Geldiniz! Artı bir.
SmallChess


5

Böyle bir Google arama bu gibi sonuçlar kadar açabilirsiniz bu .

En önemlisi, bu makaleye bakmak isteyeceğinize inanıyorum . Motorlarına parça değerleri gibi bazı ilk veriler veriyorlar, bu yüzden tam olarak istediğiniz şey değil, ama oldukça iyi bir performans sergiledi.


+1 çünkü ilginç IEEE alıntılarını takdir ediyorum. NeuroChess sayfasını zaten biliyordum. Bunların hiçbiri, aklımda olanı yapmıyor gibi görünüyor.
thb

3

Makine öğrenmesi ile mümkün.

Satranç motorlarının kitaplarını açmak, makine öğrenimini kullanır. Motor , bir çizgiyi diğerine göre daha iyi puanlarsa, o sırada açılış ağacında bu çizgiyi yükseltirse, kitaptaki açılış çizgilerini oynayarak test eder. Zaman içinde motor daha iyi hatları öğrenir .

Açma aşaması sona erdikten sonra, motor kitabı kullanmayı durdurur ve değerlendirme işlevini kullanmaya başlar.


Makine öğrenimini kullanarak kendi kendine öğrenen bir motor nasıl uygulanır?

Değerlendirme işlevi olmayan bir kitap kullanarak bir motor hayal edin . Ve kitap başlangıçta boştur. Yani motor satranç hakkında hiçbir bilgiye sahip değil.

Motor bu boş kitapla oynamaya başlar ve oyunun sonuna kadar kitabı kapatmaz. Oyunun sonuna kadar açılış kitabı kullanan normal bir motor gibi düşünebiliriz.

Zamanla, motor en iyi devamlılığı istatistiksel olarak bulur, çünkü kötü çizgiler zaman içinde daha kötü puan alır. Ama elbette, iyi bir kitap elde etmek için birçok oyun oynanmalıdır. Kaç tane bilmiyorum, ama pratik diyebileceğimiz kadar.

Aralık 2017 Güncellemesi : Galiba Alpha Zero, en güçlü motorlardan biri olan Stockish'i pratik bir oyunla yenecek kadar güçlü bir şekilde kendini eğiterek yanlış olduğunu kanıtladı .


2

Bu alanda ne denerseniz deneyin, ilk Turry'nin hikayesini burada mutlaka okuyun: http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-2.html

TP; DR; istek başına spoiler versiyonu :

Turry'nin hikâyesinde Turry'nin kendi kendine eğittiği AI güzel el yazısı notları yazmalı ve insanlardan kurtulmak için uçup gitmeli çünkü güzel el yazısı notları yazmanın açıkça zararsız hedefine ulaşmaları gerekmiyor. Analoji, AI ile kendi kendine eğitimli bir satranç motorunun büyük olasılıkla insanlardan da kurtulacağıdır, çünkü satranç becerilerini geliştirme görünüşte zararsız hedefini geliştirmek için gerekli değildir.


Cevabınız ilginç olsa da, belki de oldukça ikna edici değil. Tavsiyenizdeki bağlantılı makaleyi (her iki bölüm) de okudum. Yazar, saman adamlarına saldırarak davasını biraz zayıflatıyor, ama düşünceli biri. Ben yok düşünüyorum ben çok akılda Makalenin Turry böyle bir şey olduğunu. İki oyuncunun 40 veya daha fazla sırayla döndüğü 8'e 8'lik bir satranç tahtası, temelde bir durum için çok basit. AI'nın satranç hakkında genel bir şekilde düşünememesi bile dikkat çekici. Aksine bir görüş için, atanan okuma: Feser, Edward. Son Batıl inanç Yine de, ilgi için +1.
18'de

1

Ve orada AlphaZero var. Yeni nesil bir satranç motorunu kutlayın


0

Bilişim sistemleriyle uğraşırken antropomorfik terminolojinin kullanılması profesyonel bir olgunluk belirtisidir

Dan biz gerçekleri anlatmak nasıl olması zarar olabilir? Yazan Edsger W.Dijkstra, sorunuzun altında yatan yanlış varsayımı özetliyor. Yapay Zeka yapay olabilir ancak insan anlamında zeka değildir.

In BBC için 1984 Reith Dersler Amerikan filozofu John Searle sert AI sorunun ne tam olarak açıklıyor. Argümanının "çok uzun, dinlemiyor" özeti "Sözdizimi anlambilim değildir" ama yine de en azından ders 2 "Bira Kutuları ve Et Makineleri " dersini dinlemenizi öneririm .

Dijkstra ve Searle’nin 30 yıldan daha uzun bir süre önce söylediklerini anladıktan sonra, sorularınızın neyin yanlış olduğunu anlayacaksınız:

Hiç kimse kendi iç görüsü olan bir satranç programı yazdı mı? Oyunu kendi başına öğrenir mi?

İnsanların "içgörüsü" vardır ve öğrenebilir. Bilgisayarlar yapamaz. İlkel insanlar köyünüz yüzyıllar boyunca satranç açma teorisini yeniden üretebilir, ancak bilgisayarları üretemez.


Bilgisayarların insani zekâya ulaşamayacağını mı yoksa “düşünme” ve “anlama” dan bile insanlara ayrıldığını mı düşünüyorsunuz?
BlindKungFuMaster

@BlindKungFuMaster Yukarıdaki bağlantıdaki "Bira Kutuları ve Et Makineleri" nı dinlemekte zorlanırsanız, John Searle'ın ne düşündüğü size açık olacaktır. Beni ikna etti ve görüşünü paylaşıyorum.
Brian Towers

Searle'ın AI bilgisayar programlarının basit bir şekilde anlaşılması, münhasırdır, sonuçta sadece 1984'tür. "İnsan beyninin gücüne eşdeğer güç (henüz değil)", "öğrenerek" büyük miktarda veri almaktan gelir. Sadece bu adımda anlamsal içerik yakalanır.
BlindKungFuMaster

Bu yüzden Çin Odası argümanı, yalnızca göreceli olarak saçma olan büyük bir kural defteri ile anlayışı simüle edebileceğinizi varsaymak ve bunun yerine anlamsal içeriğin büyük miktardaki verilerden uygun mimari tarafından yakalanabilmesi olasılığını öne sürmek varsayımıyla hatalı. Aslında, bu günlerde Doğal Dil İşlemenin konusu
budur

@BlindKungFuMaster Söylediklerinde, bana görünmediğini söylediğin anahtar bir kelime var. Bu "benzetim" kelimesidir. 35 yıldan beri bilgisayar yazılımı mühendisi oldum ve bu süre zarfında birçok simülatörüm var ve birkaç tane de kendim yazdım. Simülatörler genellikle bir projenin hayati unsurlarıdır, ancak gerçek zamanlı bir projede asla hedef ekipmanın yerini almazlar. Kuşkusuz, bilgisayarlar zeka ve anlambilimsel anlayışı simüle etmede mükemmeldir, ancak asla bilince, iradeye, anlayışa ulaşamazlar.
Brian Towers

0

Bu cevap, asıl sorunun sorumlusu tarafından, sorudan dört yıl sonra verilir. Daha önce verilen cevapların yerini almaz veya yerine geçmez, çünkü daha önceki cevapların çoğu bundan daha ilginçtir. Ancak, bu cevap bazı ek bağlamlar ekleyebilir.

Anlayabildiğim kadarıyla, çoğu AI araştırması, düşünce ve aklın yalnızca maddi olay olduğu ya da en azından düşünce ve akıldan ayırt edilemeyen sonuçların, yalnızca maddi süreçlerle elde edilebilir olması gerektiği fikrini örtük olarak veriyor gibi görünüyor. Ben öncül itiraz etmiyorum (ne de burada, bunun için onu teşvik). Ben sadece öyle görünüyor ki gözlemlemek olmak bir öncül.

Ve sonuçta AI araştırmalarında bu nasıl bir öncül olamaz? AI araştırmacıları ister ister ister sıfır olsun, maddi süreçlerle çalışmak zorundadır.

Realist felsefenin okulcusu, Duns Scotus, St. Thomas, Aristoteles ve Plato aracılığıyla, zihin teorisi hakkında söylenecek çok şey vardı. Kant gibi temsilciler , söylenecek daha farklı şeylere sahipti. AI araştırma muhtemelen Kant'a daha yakındır, ancak bu okulcuyu yanlış yapmaz.

Kuşkusuz, şu anda bu tür konuşmalarda bu noktada ortaya çıkma eğiliminde olan bir boşluk tanrısı itirazı var, ancak profesyonel bir filozof, size, Tanrı'nın konusunun itirazının saman bir adama saldırdığını söyleyecektir. bu itirazın yalnızca felsefe okumamış olanlara karşı yararlı olacağı ve bu nedenle ne hakkında konuştuklarını bilmediği yönündedir. Aristo'ya göre, kendi kendini eğiten satranç AI sorusu ile ilgili olabilecek resmi ve nihai nedenselliktir . Yine de Aristoteles terimleriyle, AI araştırmacısı tamamen maddi ve özellikle de verimli bir nedensellik ile çalışır.(insan eğitmenlerinin şahsen sisteme resmi ve son unsurları getirdiği sürece, muhtemelen eğik bir şekilde hariç). Sebep resmi ise, eğer düşünce kesin ise, Searle'nin Çin odası ontolojik olarak imkansız olduğunu kanıtlarsa (olabileceği gibi), o zaman tamamen eğitimli bir satranç AI'sının teoride bile elde edilemeyeceği olabilir.

Tamamen kendi kendine eğitilmiş bir satranç AI'sinin gerçekten elde edilebileceğinden ve Aristotlean terimlerinde bu sorunun yalnızca etkili bir nedensellik göz önüne alındığında yeterince çerçevelenebileceğini kanıtlayacağından şüpheleniyorum. Genel olarak güçlü AI konusunda daha kuşkuluyum, ama bunlar deneyimde kanıtlanmalı, değil mi? Henüz kimse bilmiyor.

Felsefesi nedensellik ve zihin (hatta daha pratik erkekler AI araştırmacılar, arasında ve muhtemelen birkaç yoluyla) birkaç tarafından kavranabilir, ince olduğunu. Böyle bir felsefe öğrenmek istiyorsanız, öğrenmeye değer; Ancak, internette ve hatta çoğu zaman baskıda bile, usulsüz yanlış anlamalara dayanan yanıltıcı açıklamalar bulmanın son derece kolay olduğunu unutmayın. Benim param için, bugün konuyla ilgili en iyi tanıtım öğretmeni olan ve kitapları makul fiyatlarla basılmış olan Edward Feser. Ondan çok daha fazla şey öğrenebilirsin.

Ancak, Dr. Feser'in bile bu soruya yetkili bir cevap vereceği konusunda şüpheler var! Cevap AI laboratuarlarında kanıtlanmış olmaya devam etmektedir.


-3

Kodu bırakmalarını istiyorum, sonra konuşabiliriz. Satrancı çözmek o kadar kolay değil, Alpha yarım yüzyılda bile çözmeyecek. Komik, hala 1.d4 oynuyor. Neden? Çünkü insan oyunlarında eğitilmiş ve insan teorisi 1.d4 için en yüksek performans oranını vermektedir. Zavallı şey bilmez 1 ... c5 tam 8 harekette bir çekiliş elde eder. Şimdi Alpha'nın simüle edilmiş bir açılış kitabı kullanmadığına inanmamı istiyorlar ... Alpha'nın açılışları çok iyi oynadığını söylüyorlar. Evet, bazı istisnalar dışında. 1.d4 kesinlikle programın elde ettiği istihbarat seviyesini iyi konuşmuyor. Neyse ki, SF açılış aşamasında daha da zayıf. :)


3
1.… c5'in 8 hamlede çekilişi sağladığını ve Stockish'in açılış aşamasında zayıf olduğunu söyleyerek cesurca iddiada bulunuyorsunuz. Lütfen bu iddialara referans verebilir misiniz?
Pablo S. Ocal

1
1.d4 kesinlikle programın elde ettiği istihbarat seviyesini iyi konuşmuyor. 1.d4 oyuncu olarak, istihbaratımın burada hakarete uğradığını düşünmem gerekir mi diye merak ediyorum.
Evargalo

Kodu henüz yayınlamamış veya yayınlamış olsalar bile, sonuçlarının çoğaltılması için bir proje başlatıldı: lczero.org Hatta gelişmekte olan "AlphaZero" ile play.lczero.org
Junyan Xu
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.