Πρωτάθλημα σκακιού υπολογιστών

[Tolaso J Kos]

Μια ερώτηση: τι λένε οι μετρ του είδους για το επίπεδο του αγώνα;

Οι περισσότετεροι αγώνες μεταξύ των μηχανών είναι βαρετοί αφού καταλήγουν σε ισοπαλία. Ελάχιστοι μόνο αξίζουν και είναι διδακτικοί στον άνθρωπο. Ο @agadmator στο YouTube ανεβάζει ενδιαφέροντα παιχνίδια μεταξύ μηχανών που έχουν κάτι να πουν στον άνθρωπο.

[Energy Engineer]

Ναι τέλος, νίκησε η Leela. Και η έκδοσή της είναι alpha, ούτε κάν beta: 0.21.1.

Νίκησε με 7 πόντους: 53.5 - 46.5

Να αναφέρω δύο ενδιαφέροντα πράγματα:

1) Η Fairy-max είναι μια chess engine, όπου εσύ βάζεις τους κανόνες του σκακιού και αυτή παίζει και μάλιστα νικάει τους ανθρώπους. Π.χ. εγώ θέλω να φτιάξω ένα παιχνίδι όπου η βασίλισσα δεν θα κινείται σαν πύργο και αξιωματικό, αλλά σαν πύργο και άλογο. Σε αυτή την περίπτωση η Fairy-max είναι έτοιμη να παίξει τέτοια παιχνίδια μαζί μου: http://home.hccnet.nl/h.g.muller/CVfairy.html

2) Θυμάμαι μια μέρα τον ελεύθερο χρόνο μου έπαιζα σκάκι με τον Stockfish. Υπήρχε ένα endgame με 12-13 κομμάτια όπου έλεγε η ανάλυση ότι κερδίζω. Αλλά εγώ δεν ήξερα πως να κερδίσω. Και τότε ο Stockfish έπαιξε μια κίνηση που έκανε την ζωή μου πολύ πιο εύκολη και τελικά κέρδισα. Γιατί ο Stockfish δεν σκέφτηκε ότι είμαι human και για να κερδίσει θα ήταν καλό να παίξει μια κίνηση μπλόφας.

Με απλά λόγια, άμα τώρα παίξει η Leela (3600) με τον Carlsen (2875) η Leela θα του κάνει ματ σε 50-70 κινήσεις. Αλλα οι κινήσεις της είναι πολύ κομπιουτερίστικες - προβλέψιμες και καθόλου ανθρώπινες... Άμυνα, άμυνα, άμυνα (δεν ξέρει ότι παίζει με άνθρωπο και φοβάται ότι είναι άλλη engine), άμυνα, άμυνα και μόλις η άμυνα είναι 100% ασφαλής ξεκινάει η επίθεση και τελικά το ματ.

Υπάρχει τρόπος να φτιαχτεί μια engine να παίζει πιο ανθρώπινο σκάκι από τους ανθρώπους και να τους νικάει πιο ανθρώπινα; Μπορεί να κάνει ματ στον Carlsen σε 15-20 κινήσεις;

Αυτό για να γίνει χρειάζεται αυτό που λέμε artificial bluffing. Δεν είναι ανάγκη να παίξεις μια κίνηση που κερδίζει 100% με τον καλύτερο αντίπαλο. Χρειάζεται μια κίνηση ικανή για να ψαρώσει ο άνθρωπος ότι χάνει, να συγχυστεί και τελικά να τον νικήσεις και ας μην είναι μία από τις τοπ 5 κινήσεις. Σε αυτή την περίπτωση κερδίζεις επειδή τον σύγχυσες πολύ, όχι επειδή έπαιξες και τόσο καλό σκάκι.

Χαρακτηριστικό παράδειγμα είναι ο Svidler που ήταν σε μια παρτίδα σκακιού όπου κέρδιζε, αλλά επειδή ήταν σε σύγχυση και δεν έκανε υπολογισμούς, τελικά δέχτηκε συμφωνία για ισοπαλία.

Δηλαδή αλλιώς είναι να νικάς έναν άνθρωπο με αργή σίγουρη και απλή νίκη, και αλλιώς είναι να τον νικάς γρήγορα, βασανιστικά, νευριασμένα κάνοντας τον να είναι φουλ στην σύγχυση, με κινήσεις που δεν είναι και οι καλύτερες άμα κάνεις βαθιά και αργή ανάλυση.

Οι άνθρωποι έχουν πολλές αδυναμίες, δεν είναι ανάγκη να παίζεις την τέλεια κίνηση για να τους νικήσεις. Άμα θες να τους νικήσεις πιο γρήγορα υπάρχουν άλλοι τρόποι.

Όμως το artificial bluffing δεν προορίζεται τόσο πολύ για το σκάκι, όσο για το τάβλι, τα χαρτιά και άλλα τυχερά παιχνίδια. Μόλις θα φτάσει το artificial bluffing σε καλό επίπεδο, ο υπολογιστής θα είναι ικανός να νικήσει τους καλύτερους ανθρώπους στο τάβλι, το πόκερ και άλλα χαρτιά, ανεξάρτητα από την τύχη που θα έχει.

==============================================================================================================
@ Tolaso J Kos

Είσαι σίγουρος ότι μαθαίνουν ο AlphaZero και η Leela ενώ παίζουν; Τα νευρωνικά δίκτυα μαθαίνουν στο training, όχι στο validation και το testing: https://en.wikipedia.org/wiki/Training, ... _test_sets

Στο πρωτάθλημα υπολογιστών που έγινε, οι engines είναι ουσιαστικά στο testing mode.

Δηλαδή όπως οι κλασσικές engines σαν τον Stockfish, περιορίζονται από τον default κώδικα του πυρήνα που είναι γραμμένες, έτσι και ο AlphaZero και η Leela περιορίζονται από τα default layers, blobs, nets και weights που απέκτησαν στο training.

[rek2]

Τόλη, φίλε, μάλλον έτσι είναι όπως τα λες!

Διαφωνώ μόνο στο σημείο που αναφέρεσαι στις πολλές ισοπαλίες κ.λπ.

Στον Φίσερ αποδίδουν ότι το σκακιστικό πρόβλημα είναι το εξής: Δίνονται τα κομμάτια στην αρχική τους θέση. Παίζουν τα λευκά και κερδίζουν.

Ίσως, όμως, το πιθανότερο είναι να αποδειχτεί οτι παίζουν τα λευκά και τα μαύρα παίρνουν ισοπαλία.

(Πιθανόν βέβαια, όταν ξεκαθαρίσει το τοπίο, βα παίζουν τα λευκά και.να χάνουν!)

[Tolaso J Kos]

Με απλά λόγια, άμα τώρα παίξει η Leela (3600) με τον Carlsen (2875) η Leela θα του κάνει ματ σε 50-70 κινήσεις. Αλλα οι κινήσεις της είναι πολύ κομπιουτερίστικες - προβλέψιμες και καθόλου ανθρώπινες... Άμυνα, άμυνα, άμυνα (δεν ξέρει ότι παίζει με άνθρωπο και φοβάται ότι είναι άλλη engine), άμυνα, άμυνα και μόλις η άμυνα είναι 100% ασφαλής ξεκινάει η επίθεση και τελικά το ματ.

Πράγματι,

οι κινήσεις της Leela είναι πιο πολύ αμυντικές σε αντίθεση με τον A|Z που είναι πιο επιθετικός. Εντούτοις, δεν είναι καθόλου προβλέψιμες οι κινήσεις της. Η ικανότητά της να βλέπει σε βάθος κινήσεων με ακρίβεια τη καθιστά πιο αποτελεσματική στην αμυντική τακτική της.


Η Google έχει εκδώσει κάποια στατιστικά αλλά και κάποια πράγματα σχετικά με αυτά τα δύο project της. Επίσης, έχει εκδώσει και ένα αναλυτικό άρθρο για το πώς σκέφτεται ο A|Z. Θέλουν όμως αρκετό διάβασμα για να κατανοηθούν πλήρως.

[Tolaso J Kos]

@ Tolaso J Kos
Είσαι σίγουρος ότι μαθαίνουν ο AlphaZero και η Leela ενώ παίζουν; Τα νευρωνικά δίκτυα μαθαίνουν στο training, όχι στο validation και το testing:

Ναι! Αναφέρεται κάπου σε ένα αναλυτικό άρθρο που έχει εκδοθεί. Το καταπληκτικό με αυτά τα δύο artificial intelligent networks είναι ότι έμαθαν να παίζουν σκάκι από την αρχή , παίζοντας με τον εαυτό τους. Καταπληκτικό!

[Energy Engineer]

@ Tolaso J Kos
Είσαι σίγουρος ότι μαθαίνουν ο AlphaZero και η Leela ενώ παίζουν; Τα νευρωνικά δίκτυα μαθαίνουν στο training, όχι στο validation και το testing:

Ναι! Αναφέρεται κάπου σε ένα αναλυτικό άρθρο που έχει εκδοθεί. Το καταπληκτικό με αυτά τα δύο artificial intelligent networks είναι ότι έμαθαν να παίζουν σκάκι από την αρχή , παίζοντας με τον εαυτό τους. Καταπληκτικό!

Αυτό σου λέω. Παίζει στην αρχή με τον εαυτό της, μαθαίνει, βελτιώνεται, πάντα είμαστε στο training και μετά τέλος. Αποκτά κάποια default weights και layers που δεν αλλάζουν. Έμαθε και είναι έτοιμη η engine να παίξει χωρίς να μάθει κάτι καινούργιο, στο validation, testing και στην πράξη. Μετά όταν παίζει δεν μαθαίνει κάτι καινούργιο. Ότι έμαθε, το έμαθε στο training με τον εαυτό της.

Πρόσεχε δεν λέω ότι δεν έμαθε μόνη της από παιχνίδια που έπαιξε με τον εαυτό της, ή ότι δεν μαθαίνει όταν παίζει. Λέω ότι η εκμάθηση - μόρφωση και το πρωτάθλημα στο οποίο συμμετείχε η Leela είναι δύο τελείως διαφορετικά και ανεξάρτητα πράγματα. Πρώτα μορφώνεις την engine χωρίς να ασχολείσαι με το πρωτάθλημα, και αφού έχει μορφωθεί την βάζεις να παίξει στο πρωτάθλημα χωρίς να ασχολείσαι πλέον με την μόρφωσή της.

Εξάλλου το να μαθαίνει από τα παιχνίδια που παίζει με τον Stockfish, παρότι είναι η δεύτερη καλύτερη engine δεν είναι και πολύ αντικειμενικό. + ότι μαθαίνει κάτι καινούργιο μετά από δισεκατομμύρια παιχνίδια, όχι από τα 100 του πρωταθλήματος.

[GeorgeTS23]

Μπορούμε να πούμε ότι κατά την διάρκεια των παρτίδων τους, ο ένας υπολογιστής μαθαίνει το παιχνίδι του άλλου;

Οχι. Ουτε το Stockfish ουτε η Leela μαθαινουν τιποτα απολυτως απο τα παιχνιδια που παιζουν μεταξυ τους.

[GeorgeTS23]

Να ρωτήσω δύο πράγματα:

Οι συμφωνίες για ισοπαλία κ.λπ. κλείνονται απευθείας από τις μηχανές; παρεμβαίνουν οι χειριστές τους;

Οι συμφωνιες για ισοπαλια γινονται απο το GUI μόνο.

Με την ισοπαλια να ερχεται αυτοματα αν και μόνο αν ισχυει ενα τουλαχιστον απο τα παρακατω:
α) 50 move rule(οι κλασικες 50 διαδοχικες κινησεις χωρις φαγωμα κομματιου ή κινηση πιονιου)
β) 3 fold repetition(3πλη επαναληψη)
γ) πατ
δ) Υλικο που δεν φτανει για ματ
ε) TCEC rule δηλαδη αν μετα την 35η κινηση οι 2 μηχανες για 5 συνεχομενες κινησεις εχουν |evaluation| κατω απο 0.09 τοτε το παιχνιδι ειναι αυτοματα ισοπαλο.
ζ) Αν εχουμε 6 ή λιγοτερα κομματια στην σκακιερα τοτε αυτοματα ληγει το παιχνιδι με σκορ το θεωρητικο αποτελεσμα που δινουν οι 6 men endgame tablebases.

Και οι 2 μηχανες γνωριζουν και παζουν συμφωνα με τους 4 πρωτους κανονες φυσικα καθως και τον 6ο, οχι ομως τον 5ο.

Τέλος να παρατηρήσω, (ενθυμούμενος π.χ. στην πορεία προς τον τίτλο του Φίσερ τα λάθη των αντιπάλων του) ότι πλέον οι παρτίδες μεταξύ μηχανών δεν κρίνονται στο λάθος γι'αυτό και η μεγάλη διάρκεια τους.

ΜΕΓΑ λαθος για την Leela. Η Leela χανει κυριως παιχνιδια μεσω των ΣΟΥΠΕΡ λαθων της που ουτε προγραμματα του 2005 δεν θα εκαναν!
Στην προηγουμενη TCEC σεζον 14, η Leela εχασε σε 5 παιχνιδια 5 ευκαιριες για να παρει σιγουρη νικη(και το αποτελεσμα ηταν ισοπαλο) μη βρισκοντας μια ευκολη κινηση(που και πολυ παλιοτερα προγραμματα βρισκουν και θα επρεπε προγραμμα του 2019 να βρει ευκολα), ενω χαρισε 3 παιχνιδια που θα επρεπε να παρει ισοπαλια κανοντας 3 MEGA blunders οπου χαρισε την νικη. Και εχασε για 1 ποντο μόνο.
Στην σεζον 15 τα πραγματα ηταν καλυτερα και η Leela εχασε σε 2 παιχνιδια 2 ευκαιριες για να παρει σιγουρη νικη(και εφερε ισοπαλια) μη βρισκοντας μια ευκολη κινηση που θα νικουσε σε καθε περιπτωση, ενω χαρισε παλι 3 παιχνιδια που θα επρεπε να παρει ισοπαλια κανοντας 3 MEGA blunders οπου χαρισε την νικη. Ομως φετος νικησε με 7 ποντους διαφορά(14 νικες, 7 ηττες και 79 ισοπαλιες).

Οσο για την μεγαλη διαρκεια των παρτιδων της Leela οφειλεται στο μεγαλο evaluation της που δεν συμβαδιζει με τις αλλες μηχανες. Οποτε το TCEC rule δεν εφαρμοζεται οποτε και το παιχνιδι συνεχιζει για πολλες κινησεις.