วิธีการใช้ปัญญาประดิษฐ์ในหมากรุกคอมพิวเตอร์

ในบางเอกสาร (ประวัติศาสตร์) หมากรุกถูกเรียกว่า drosophila ของปัญญาประดิษฐ์ ในขณะที่ฉันคิดว่าในการวิจัยปัจจุบันการประยุกต์ใช้อัลกอริทึมการค้นหาเป็นวิทยาศาสตร์คอมพิวเตอร์ขั้นสูงที่ดีที่สุดแต่ฉันเชื่อว่ายังมีพื้นที่ที่สามารถนำไปใช้ (และฝึกฝน) เทคนิค AI

ตัวอย่างง่ายๆคือการเปิดการเรียนรู้หนังสือโดยที่คนหนึ่งสามารถสอนโปรแกรมว่าจะใช้หรือไม่ใช้การเคลื่อนไหวบางอย่างในการเปิดเพราะโปรแกรมไม่ได้อยู่ในตำแหน่งบางประเภท เราสามารถใช้รูปแบบของการเรียนรู้การ inforce ใหม่และทำให้สิ่งนี้เป็นแบบอัตโนมัติ: ฉันคิดว่าฉันสามารถเล่นโปรแกรมกับตัวเองและเพิ่มความน่าจะเป็นในการชนะเส้นและลดโอกาสในการสูญเสียเส้น

ตัวอย่างที่ซับซ้อนมากขึ้นคือการใช้ฟังก์ชั่นการประเมินการเรียนรู้(ตัวอย่างเช่นหนึ่งสามารถปรับค่าของตารางชิ้นสี่เหลี่ยม ) อย่างไรก็ตามฉันคิดว่า:

• ให้เสียงทั้งหมดเนื่องจากมีตำแหน่งจริงจำนวนมหาศาล (ตรงข้ามกับจำนวนบรรทัดเปิดจริง)
• และด้วยราคา (ระยะเวลา) ของเกมหมากรุกคอมพิวเตอร์และความต้องการในการเล่น

เราจะทำสิ่งนี้ได้อย่างมีประสิทธิภาพได้อย่างไร (หรือฉันควรดูเทคนิคอื่น ๆ เช่นโครงข่ายประสาทเทียม)

พื้นที่ของรัฐทั้งหมดสำหรับหมากรุกมีมหาศาล - มันสามารถประมาณคร่าว ๆ ได้ว่าเป็น 10 ⁴³ (หมายเลขShannon (Shannon, 1950) , ( Wikipedia )

แนวคิดที่คุณนำเสนอ - ตัวแทนเสริมการเรียนรู้ที่เล่นร่วมกันเพื่อเรียนรู้เกม - ถูกนำไปใช้กับแบ็คแกมมอน - TD-Gammon (Tesauro, 1995) , ( บทในการเสริมการเรียนรู้โดย Sutton & Barto ) นอกจากนี้ยังใช้ Neural Networks เพื่อประเมินฟังก์ชั่นค่าของเกม อย่างไรก็ตามปัญหานี้ง่ายกว่ามากเนื่องจากจำนวนสถานะในแบ็คแกมมอนมีขนาดเล็กกว่าหมากรุกอย่างมากกล่าวคือ: 18,528,584,051,601,162,496 ( แบ็คแกมมอนฟอรัมการเก็บถาวรฟอรัม )

อย่างไรก็ตามหากคุณจะจบเกมหลังจากการเริ่มต้นเพียงไม่กี่ครั้งและมีเป้าหมายเพียงเพื่อเรียนรู้ "ช่องเปิดที่ดี" คุณสามารถประสบความสำเร็จด้วยวิธีการแบบอะนาล็อก ปัญหาหลักคือการประเมินเกมหลังจากเกมเปิดซึ่งดูยาก การวัดความคล้ายคลึงกันกับตำแหน่งที่กำหนดหลังจากช่องเปิดที่รู้จักกันดีนั้นไม่เพียงพอเนื่องจากตำแหน่งอาจอยู่ไกลจากพวกเขาหากคู่ต่อสู้จะเคลื่อนไหวโง่ ๆ (ดังนั้นจึงไม่ใช่เพราะความผิดพลาดของตัวแทนการเรียนรู้ดังนั้นตำแหน่งแม้ว่าจะ "ไม่ถูกต้อง "ควรได้รับการประเมินว่าเป็นผลลัพธ์ที่ดี)

อ้างอิง:

• SHANNON, Claude E. "เขียนโปรแกรมคอมพิวเตอร์เพื่อเล่นหมากรุก" ในนิตยสารปรัชญาชุดที่ 7, 41, ฉบับที่ 314 (มีนาคม 2493): 256-75

• เจอรัลด์ Tesauro 1995 การเรียนรู้ที่แตกต่างชั่วคราวและ TD-Gammon commun พลอากาศเอก 38, 3 (มีนาคม 2538), 58-68

ฉันค่อนข้างแน่ใจว่าวิธีการใด ๆ (หรือแปลก) ที่เป็นไปได้ของ AI หรือ ML ในตำราเรียนได้รับการทดลองและล้มเหลวมากเมื่อเทียบกับกำลังดุร้ายธรรมดา

มุมมองส่วนบุคคลของฉันคือหมากรุกต่อ se ไม่สนใจ AI สมัยใหม่อีกต่อไป ... เพียงเพราะมันถูกแก้ไข : เพียงแค่ใช้คอมพิวเตอร์ที่ทันสมัยและกำลังดุร้าย ดังนั้นฉันไม่รู้สึกว่ามีความจำเป็นในการสร้างระบบ "อัจฉริยะ" เพื่อแก้ปัญหาได้อย่างมีประสิทธิภาพมากขึ้น (ทำงานได้ดีในโทรศัพท์มือถือของฉัน) และฉันเชื่อว่าไม่จำเป็นต้องรู้ วิธีการ "ฉลาด" ที่จะมีอยู่

ฉันคิดว่ามันคุ้มค่าที่จะทราบว่าเพื่อกำหนดวิธีจัดการกับปัญหา AI คุณต้องกำหนดมัน ไม่ว่าจะเป็นที่สังเกตได้อย่างเต็มที่หรือสังเกตได้บางส่วนและไม่ว่าจะเป็นกำหนดหรือStochastic / โอกาส

หมากรุกเป็นสังเกตครบ (ไม่เหมือนแบ็คแกมมอน, Monopoly หรือโป๊กเกอร์เป็นต้น) นอกจากนี้ยังเป็นตายตัว (เช่นหมากฮอสและไปตัวอย่างเช่น) สุดท้ายฝ่ายตรงข้ามที่มีอยู่และเนื่องจากการที่เมื่อพิจารณาต่อไปย้ายที่ดีที่สุดจะเป็นประโยชน์ที่จะใช้ความขัดแย้งค้นหาประเภทของ อัลกอริธึมเช่น MiniMax การจำแนกปัญหาสามารถช่วยเราพิจารณาว่าอัลกอริทึมการค้นหาประเภทใดที่เราต้องการนำไปใช้ และในกรณีของหมากรุก Adversarial Search ก็เหมาะสม

Minimax โดยเฉพาะอย่างยิ่งมี

$O(b^n)$

$O(bm)$

ดังนั้นในกรณีของหมากรุก b จะเท่ากับ 35 และ m จะเท่ากับ 100 มีวิธีการรอบตัวหรือกลยุทธ์ในการทำให้มีประสิทธิภาพมากขึ้นเช่นการตัดอัลฟาเบต้า