人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作 Xamarin SDK开源 更正工具已添加到Google网站翻译器中 使用AI进行双检测 DARPA的AI下一步运动-20亿美元! AI在DARPA混战中击败了人类飞行员 Rodney Brooks称AI的状态 Arduino体内的蠕虫意识 深度学习找到您的照片 更多的机器学习应用于Google表格 深度天使-未来媒体操纵的AI ASP.NET更新并重命名 小猫猫猫探测器 .NET Jupyter笔记本宣布 介绍DeepSpeech 在Formula Pi中竞赛A YetiBorg Google开源准确解析器-Parsey McParseface 适用于我们的REST的MIcrosoft的Project Oxford AI API Eyeshot,.NET的CAD控件 百度AI团队被骗-被ImageNet竞赛禁赛一年 GIMP的机器学习Python插件 Google的自动驾驶汽车-不是​​那么聪明吗? 设计自己的无人驾驶汽车 开源深度学习框架如何堆叠? Azure机器学习服务上线 Evi重载 Microsoft R Server 9.1添加了ML增强功能 廉价的十亿个神经元联系 Skype转换器突破了语言障碍 ASIMO庆祝成立10周年 Google翻译超过2亿
您的位置:首页 >数据库 >

人工智能帮助改善国际象棋

现在,所有游戏都有一个问题,那就是AI系统通常要比人类玩家更好。我们应该放弃并将其留给机器吗?也许不是。人工智能可以通过计算变化的影响使游戏更好。

游戏的玩法会随着时间而发展。玩家学习如何利用规则来发挥自己的优势,有时会使游戏变得无聊而冒险。国际象棋大师弗拉基米尔·鲍里索维奇·克拉姆尼克(Vladimir Borisovich Kramnik)在Chess.com上撰文解释说,我们已经达到了人类国际象棋的水平,在这种情况下安全地进行游戏更加有益于复杂而有趣的游戏:

“这不是球员的错,而是他们面对的现实。期望他们为了玩更多有趣的”游戏而冒着不合理的风险故意降低获得正面结果的机会,这很奇怪。根据我自己的经验,我知道如果您的对手想要安全地进行一场复杂而有趣的战斗变得多么困难。一旦一方选择相对较差的比赛路线,对手就被迫效仿,从而导致了一场非原创的比赛并不可避免地出现了平局。

当然,显而易见的解决方案是对规则进行调整,以降低安全性游戏的安全性,但是哪些调整会产生正确的结果?克拉姆尼克(Kramnik)与Demis Hassabis聚在一起。DeepMind的首席执行官。在AI变得更有趣之前,他是一名强大的初级国际象棋棋手。与DeepMind团队和AlphaZero(一种后来进入Chess的神经网络围棋系统)合作,其目的是研究调整的影响。

ling

即使您只下象棋,最明显的调整是禁止is狗。鉴于小飞象是最终的防御性游戏,更明显的是禁止使用小飞象。AlphaZero学会了如何从头开始玩“不cast堡国际象棋”,并且首先发现黑白获胜的比率与全盘国际象棋差不多。这表明修改后的游戏不支持一个玩家。

不铸造的最大优点是,玩家不能退守攻击和防御城堡的著名模式。然而:

“仍然有许多细节需要调查。例如,在AlphaZero无城堡游戏中,开口似乎更加复杂,这意味着必须开发新的开口理论,并且玩家将需要探索新的国王安全方法。但是这些都不能阻止国际象棋界尝试这种游戏。”

克拉姆尼克(Kramnik)敦促即将举行的国际象棋比赛的组织者和个人玩家尝试该变体。一件事仍然很清楚,无论是铸造还是铸造,AlphaZero都将是一个难以击败的对手。

艾奇

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。