แนวทางอื่นในการเขียนโปรแกรมกลไกหมากรุก

เท่าที่ฉันเข้าใจกลไกการพูดเกี่ยวกับหมากรุกทำงานโดย:

1. การคำนวณรูปแบบที่เป็นไปได้ทั้งหมด (แผนผังเกม) ได้ถึงระดับความลึก
2. ประเมินตำแหน่งสุดท้ายตามเกณฑ์บางอย่าง (วัสดุกิจกรรมชิ้นส่วน ... )
3. ขึ้นอยู่กับการประเมินผลนี้ตัดสินใจย้ายที่ดีที่สุด

ฉันเข้าใจอย่างถ่องแท้ว่าการมีเอ็นจิ้นที่มีประสิทธิภาพนั้นมีวิธีการตัดบางบรรทัดจำกัดความลึก ฯลฯ แต่นี่ไม่ใช่คำถามของฉัน

คำถามคือ: มีความพยายามอื่นในการเขียนโปรแกรมเอ็นจิ้นหมากรุก (ไม่จำเป็นต้องแข็งแกร่ง แต่ไม่สุ่ม) เช่นกันหรือไม่ซึ่งไม่เป็นไปตามรูปแบบนี้?

ในช่วงปีแรก ๆ ของหมากรุกคอมพิวเตอร์ผู้คนพยายามสอนหมากรุกคอมพิวเตอร์ในลักษณะเดียวกับมนุษย์อธิบายแนวคิดเชิงกลยุทธ์เช่นโครงสร้างจำนำเพื่อสุขภาพหรือความคิดริเริ่ม ความพยายามเหล่านี้ถูกยกเลิกในไม่ช้าเนื่องจากวิธีการที่คุณอธิบายนั้นประสบความสำเร็จมากกว่า

เมื่อเร็ว ๆ นี้มีความพยายามอีกครั้งที่จะให้เครื่องมือสอนหมากรุกตัวเองผ่านการเรียนรู้ลึก (อาจได้รับการสนับสนุนจากความสำเร็จของGo AIของGoogle ) จากบทความที่ฉันเชื่อมโยงไปพวกเขาค่อนข้างประสบความสำเร็จและสามารถเข้าถึงความแรงของ IM ได้

@Glorfindel ไม่ผิด แต่วิธีการเรียนรู้ที่ลึกซึ้งเกี่ยวกับหมากรุกเป็นคำศัพท์ที่แปลกใหม่สำหรับการปรับแต่งพารามิเตอร์ในการเขียนโปรแกรมหมากรุก

การเรียนรู้อย่างลึกซึ้งทำให้เอ็นจิ้นหมากรุกสามารถเรียนรู้ฟังก์ชั่นการประเมินผลซึ่งมักเขียนด้วยมือโดยโปรแกรมเมอร์ ในระหว่างเกมมันทำงานเหมือนกับเอ็นจิ้นหมากรุกทั่วไป

ความเป็นไปได้อื่น ๆ :

• การเขียนโปรแกรมหมากรุก GPU
• ค้นหาต้นไม้ Monte-Carlo

แน่นอน! ถ้าคุณแค่หมายถึง .... "ในทางทฤษฎีมีวิธีอื่นในการเขียนโปรแกรมหมากรุกหรือไม่?" ... ใช่แล้ว !!

ยกตัวอย่างเช่น .... เราสามารถเก็บสำเนาตำแหน่งที่เป็นไปได้ทั้งหมดไว้ในหมากรุก (ฉันรู้จำนวนมาก) และมีการประเมินผลสำหรับแต่ละคน จากนั้นก็จะตอบคำถามใด ๆ ที่ได้รับ (เช่น "ย้ายตำแหน่งสีขาวในตำแหน่ง X" ได้ดีที่สุด) จะรู้ได้ทันทีเพียงแค่มองหากระดานนั้น สถานะของฮาร์ดแวร์คอมพิวเตอร์ในปัจจุบันมีความเหมาะสมหรือไม่? Nah แต่คุณไม่ได้ถามอย่างนั้น