о внутренней оценке шахматной позиции

Apr 14, 2019 15:57

Я в последнее время много размышляю о шахматах особенно в свете продолжающего прогресса силы шахматных движков (причем как стандартных так и нейронных), которые достигли уже 3600 рейтинга (такой рейтинг можно корректно померить только играя с программами более низкого рейтинга, поскольку белковый чемпион мира проиграет все встречи и движку с рейтингом в 3200, а вот этот движок в свою очередь проиграет все партии уже топ движкам).

Так вот, мысль следующая - можно ли придумать способ оценки шахматной позиции, где нет никаких встроенных весов для материала. То есть материал должен проявляться неявно, как дополнительные фигуры и возможности, вытекающие из низ, а разница в силе фигур вытекала бы из этих возможностей. Так вот возможность такая есть - нейросетевые движки позицию оценивают не по материалу, а количеству выигранных партий из данной позиции, потому появляется возможность измерять эффективность той или иной схемы оценки позиции независимо. То есть как бы программа должна сама назначать и переназначать вес той или иной фигуре причем он будет зависеть от позиции. Так вот, в принципе можно сгенерировать "рыбу", то есть способ оценки, который нейросетка должна проверить - насколько именно данный способ хорош или нет. Насколько я понял по обзорам, этого вроде бы еще никто не делал, хотя и Стокфиш и Лила давно играют сами с собой для настройки оценки. Можно попробовать скрестить ежа с ужом.

Просто уж больно интересно насколько теоретически сильно может играть шахматная программа. Таблицы Налимова мы в этой вселенной посчитать точно не сможем, но возможно достигнуть асимпотической силы таблицы Налимова(максимально оптимальной игры) можно и простыми средствами. раньше это казалось бы утопией, но сейчас вполне есть шанс. Даже теоретически интересно какой максимальный рейтинг возможен.

Ну и есть еще полно вариантов шахматной игры, и для них можно поставить ту же задачу.

deep learning, chess

Previous post Next post
Up