是什么让棋步变得精彩？研究人员利用人工智能来找出答案
多伦多大学的研究人员设计了一种新的人工智能模型，可以了解人类如何看待国际象棋中的创造力。在最近一次国际会议上发表的一篇论文中，多伦多大学应用科学与工程学院的研究人员描述了他们如何使用博弈树和深度神经网络等技术让国际象棋引擎识别精彩的动作。
这一进展可能使国际象棋引擎能够在游戏中找到最有创意、最聪明的获胜之路，而不仅仅是为了最大限度地提高胜率而采取行动。这反过来可能会对其他负责创造性工作的人工智能系统产生影响。
论文共同作者、机械与工业工程和工程科学系助理教授、Substack 研究作者 Michael Guerzhoy 表示：“如果一开始战略收益并不明确，那么下棋的一步可能会被认为是绝妙的，或者富有创意的，但事后回想起来，棋手必须遵循一条精确的路径，排除所有可能性，才能看清未来。”
“我们希望我们的系统能够理解人类对国际象棋高超技艺的理解，并将其与简单的胜利区分开来。”
目前，国际象棋人工智能的大部分研究都集中在如何让棋路更有利于获胜。但这并不总是能让比赛变得精彩。
另一方面，熟练的人类棋手可以以更具戏剧性或想象力的方式下棋，做出可能打破传统规则的举动——例如，以一种最初看起来像是错误的方式牺牲一个棋子，但最终，却铺平了获胜之路。
该团队与 Leela Chess Zero 合作，这是一款顶级国际象棋引擎，可通过自我对弈进行学习，已与自己对弈超过 16 亿场。他们还采用了多伦多大学计算机科学研究人员开发的类人神经网络国际象棋引擎 Maia。
“我们使用两个神经网络国际象棋引擎在游戏中创建不同深度级别的博弈树，”论文合著者、多伦多大学工程系应届毕业生 Kamron Zaidi 说道。
“利用这些博弈树，我们从中提取了许多不同的特征。然后，我们将这些特征输入到神经网络中，该神经网络使用 Lichess 在线象棋游戏数据库进行训练，这些游戏由数据库的人类用户标记。”
国际象棋中的博弈树表示棋盘的当前状态以及可能发生的所有走法和反走法。每个棋盘位置都表示为一个节点，博弈树可以不断扩展，直到游戏获胜、平局或失败。
研究人员从小型博弈树开始，然后慢慢增加树的大小，在树上添加更多节点。他们发现，当神经网络查看博弈树的所有特征并预测此举是否明智时，使用测试数据集的准确率达到 79%。
该项研究以 Zaidi 的本科工程科学论文为基础，由 Guerzhoy 指导，并在瑞典延雪平举行的国际计算创造力会议上进行了展示。
“来自世界各地的人们展示了关于创造力更传统方面的研究，但我们都关注同一件事，那就是‘我们如何利用人工智能来增强我们的互动和对创造力的理解？’”扎伊迪说。
这项工作也得到了媒体的报道，英国国际象棋大师马修·萨德勒表示，能够理解才华的模型可以作为专业棋手的训练工具，并可能为业余棋手带来更有趣的引擎对手。
该团队认为，他们的系统在感知创造力和才华方面具有广泛的适用性。
“我最感兴趣的领域之一是描述我们所认为的创造力，”Guerzhoy 说。
“不仅仅是棋盘游戏，音乐和艺术等其他创造性活动也需要遵循正式的框架和规则。高度创造性的工作需要提前规划，并尝试各种可能性。”
“但自从这篇论文发表以来，我采访过的每个人都想知道他们什么时候能和我们出色的象棋引擎对弈。所以，我认为让这成为可能显然是我们下一步要做的事情。”
更多信息： Zaidi 等人。《预测用户对国际象棋走法精彩程度的感知》，computationalcreativity.net/ic…ICCC24_paper_200.pdf
页:
[1]