チェスのルールを学ぶ


11

同様の問題は、コンピュータがゲームの数千人を分析することによって、チェスで最適にプレイすることを学ぶことができるかどうか尋ねます。

マシンが最初と各移動後にチェスのいくつかのゲーム(またはチェッカーのいくつかのゲーム)のボードの状態を見ることができる場合、ゲームのルールを学習するようにプログラムできますか?

それが可能な場合、どの程度まで(たとえば、キャスティングやプロモーションを説明できるでしょうか)、これは機能しますか?どの機械学習アルゴリズムがこれを可能にしますか?


3
マシンは、「この動作が実行されたことを確認したので、同様の状況で実行できると仮定します」と言うことができる状態に到達できるはずです。それが「ルールを学ぶ」ことを構成するかどうかは、ほとんど哲学的な問題です。;)
11

@decezeまあ、あなたは完全に正しいわけではありません。ルールを学習するということは、以前はプログラムで発生したことのないレイアウトを前提として移動を行えることを意味します。それ以外の場合は、ルールを学習するのではなく、動きを記憶します。

2
@Maxコンピューターは、今まで見たことのない動きを正しく行うことができますか?騎士が何度も前方に2つ、側面に1つ移動するのを何度も見ましたが、後方に2つ、側面に1つ移動することはありません。騎士の移動に関する規則が何であるかを自信を持って言うことができますか?「騎士は戻ることはできず、進むことしかできない」(ポーンのように)を規定する特別な条項があるかもしれません。したがって、ルールを確実に推測することは不可能なように思えます。それは人間にも当てはまります。
11

8
@Max実際には、コンピューターが推測できない無限の数のルールが存在する可能性があります。コンピューターはそのポーン特定のターンに動かなかった理由を言うことができません。たぶん、その特定の状況で動くことに対するルールがあった。したがって、コンピューターは同様の(実際には、正確な)パターンのみを再現できるはずですが、100%の信頼度でルール推測することはできません。On the 8th turn the knight may not turn right. On a sunny day the pawns may jump over bishops.
11

@decezeはい、何らかの形でそのルールを示した場合は可能です。ルールを人間に教える必要があるのと同じように(たとえば、読むルールを印刷してもらう)、そのルールを何らかの形でマシンに提供する必要があります。最も簡単な方法は、機械が学習できるように、一定量のゲームですべてのルールを再生することです。人間にも同じことがOn a sunny day the pawns may jump over bishops.言えます。人間にそれを見せなかったら、人間はそれを知りません。

回答:


10

マシンが最初と各移動後にチェスのいくつかのゲーム(またはチェッカーのいくつかのゲーム)のボードの状態を見ることができる場合、ゲームのルールを学習するようにプログラムできますか?

確かに、チェスのいくつかのゲームではありません。膨大な数のそれらを分析して、無効な移動を防ぐ必要があります。どれくらい、私は知りません。この問題は、計算学習理論、PAC学習、および限界における学習可能性の問題の領域に属します

他のポスターによって提案された分類アルゴリズムは、チェスのルールを識別して学習できる可能性があります。2つのボード設定を考えると、有効な動きが一方を他方に変換するかどうかの質問に「はい」または「いいえ」と答える場合があります。多少の努力をすれば、それらを使用して動きを生成することもできます。ただし、トレーニングを受けたゲームで見た動きのみを生成するか、有効な動きと無効な動きの組み合わせを生成します。それぞれに、問題の動きをどの程度考えているかを示すスコアと無効なルールがあります非常に小さな確率が得られることを願っています。

(つまり、プログラムは自由に有効な動きを認識しないか、気付かずにチートできる可能性があります;または、ゲームに興味を失うほど長くトレーニングする必要があります。)

ルールを学習できる手法については、帰納論理プログラミング遺伝的プログラミングをご覧ください。チェス学習にそれらを適用しようとした人がいるかどうかはわかりません。チェスのルールは固定されているため、基本的なルールを最初から学ぶ必要があるプログラムよりも、優れたチェスをするプログラムを構築する方が(学界にとっても)より興味深いものです。


4

チェスのルールは非常に複雑で、ゲームで実行されることはほとんどありません。

たとえば、en passantルール。それを推測するために観察する必要があるゲームの数は、2ステップ前進後の最初の動きのみ許可されますか?

もう一つの例。bスクエアは、長いキャスリングで攻撃される可能性があります。これがどこで起こるか、あなたはいくつのゲームを見ますか?

言い換えれば、すべてのルールを正しく導き出すには、非常に多くのゲームが必要になります。

しかし、おそらくグーグルは「すぐに」チェスゲームの完全なアーカイブのために彼らのクラウドの一角を見つけるでしょう...


「b-squareは長いキャスティングで攻撃される可能性があります」これはどのような動きですか?説明してもらえますか?
CaffGeek

@chad、キャスリングクイーンサイドとも呼ばれます-「0-0-0」という表記が使用されます。攻撃されていない可能性があるのは、王が「触れる」3つのフィールドだけです。

2
また、クイーンサイドをキャストするときはdスクエア攻撃できません(キングサイドをキャストするときはfスクエアを攻撃できません。また、王を移動した後は城に入れることもできません。どのように何かがいることを知ることになっていることができない、それがゲームを観察することによって行われていなかった行われましたか?ラースが言及しているように、コンピューターは動きが有効である確率を割り当てることができますが、ゲームを観察することによってその特定のルールを確認することは不可能に近づいています。
BlueRaja-ダニーPflughoeft

また、トーナメント設定のグランドマスターでさえ、ルールが破られているゲームがあり、どちらのプレイヤーも気づきませんでした!トーナメントルールによると、どちらのプレイヤーも10手以内に気付かない場合、ゲームは有効で続行されます。(私は非常にはっきり団長が戻ってそれを移動し、以降castled、その後、彼の王を動かすゲームを覚えて、私は今それを見つけることができない、けれども。)
BlueRaja -ダニーPflughoeft

1
en passantは十分にまれですが、FARよりまれないくつかの強制描画ルールがあります。私は40年間プレイしてきましたが、ポーンの動きもキャプチャもなしに、50の動きから強制的に引き分けられるようなゲームを見たことはありません。私が思い出すことさえできないもう一つのそのようなルールがあると思います。実際には、プレイヤーは呼び出される前に引き分けに同意するでしょう。(相手が終了するまで引き出された位置を「勝つ」ことができないようにするために存在します。)
ローレンペクテル

2

はいといいえ

機械学習/ニューラルネットワークを使用してチェスのルールを学習できるかどうか、またはそれを使用して「グランドマスター」レベルのチェスマシンをトレーニングできるかどうかを尋ねているかどうかはわかりません。

あなたは確かにルールとそれらを使用してチェスのいくつかのレベルをコンピューターに教えることができます。ただし、それを使用してより高いレベルに適切にトレーニングできるとは思わない。Computer Scienceは、位置/直感的な観点からチェスを「理解」できるマシンの製造にまだ失敗しています。現在のすべてのチェスコンピューターは、広範なデータベース、ブルートフォース計算、およびその上での機械学習を使用します。

参照データベースを使用して不正行為としてカウントするかどうかによって異なります:)また、多くのゲームを知ることとそれをうまく行うことを実際に区別できるかどうかを知ることは困難です。チェスが得意な人間は、顔を認識することが一般的に知られている脳の部分によって参照される非常に多くのゲームを見てきたため、正確です。このリコールから、人間のチェスプレイヤーはポジションの強さの「直感」を開発できるようです。


最高のグランドマスターは広大なオープニングの本を覚えており、それは不正行為とは見なされません。とにかく、かつて良いオープニングバリエーションと考えられていたものが新しいアイデアによって破壊されることは常に起こります。そのため、本の動きをプレイする「チート」は、コンピューターがプレイするための最適な方法でさえないかもしれません。
ケビン

2

多くのコメントが述べているように、これはほとんど「学習」の定義を議論する哲学的な質問です。ほとんどの人工知能プログラムは、合理的な解決策を決定することに依存しています。十分なデータが与えられると、チェスAI学習プログラムは、特定の状況で行うのに合理的な動きのリストを決定します。これは、チェスのルールを知っているという意味ではなく、どの動きが有益で、どの動きが有益でないかを単に理解するだけです。データセットに違法な動きをしているプレーヤーが含まれている場合でも、違法な動きは即座に失われるため、AIはそれを無視し、その動きは決して有益ではないため使用しません。

ニューラルネットワークまたは進化アルゴリズムまたはその他の種類の学習アルゴリズムを使用するかどうかは関係ありません。aiは何かを見ることからルールを明示的に学習することはできません。合理的に有益なオプションのリストを決定することしかできません。


2

チェスのルールをゲームの物理エンジン、物理法則を恒久的で曲がりくねった宇宙のルールと考えるなら、自然界には実際の「法則」がどれほど少ないかを考えてください。ハードで高速なルールを作成することは不可能ではないにしても、非常に困難ですが、特定の時点でテストされ、受け入れられている多くの理論を作成することができます。

コンピューターが動きを観察して記録することを前提とすることは可能ですが、有効な動きについては直接主張することはできません。

たとえば、ポーンが1つのピースだけ前方に移動するのを観察し、すべてのピースが1つのスペースだけ前方に移動でき、ポーンが1つのスペースだけ前方に移動できるという別の仮説を立てます。次の動きが起こるまで、可能な限り多くの制限仮説を形成し、それらの多くが私たちに投げられるか、よりリベラルになります。

最終的には非常に多くの動きの後、一連の強固な理論が得られますが、それは永久に0に近づきますが到達することのない生きたデータセットになります。

だから答えは、コンピューターは本当に良い推測をすることができるが、確かにルールを知っている(編集:しない)ということです。


1

理論的には-はい、できます。チェスのグランドマスターになることさえできます。あなたが探している答えはニューラルネットワークです。ニューラルネットワークは、本質的に私たちの脳内で起こるものと同じものです。さらに、完全に(読める-信じられないほど完璧に)設計されたニューラルネットワークと完全なハードウェアがあれば、人間が同じ方法で、またはさらに良い方法で学習できるすべてを学習できます。

それについてもっと読む:


2
この「答え」はウィキペディアのリンクの束にすぎません。2つは同じ概念を説明し、1つは非常に広範で、もう1つは目下の問題とは関係ありません。チェスのルールを効果的に学習するために、コホーネンマップがどのように使用されるかを示してください。
フレッドフー

1
ANNとNNは、実際のニューロン/人間の脳の複雑さに近い方法ではありません。ANNはせいぜい恐ろしい粗雑な近似です。
ダークナイト

「理論的には、理論と実践は同じですが、実際には決して同じではありません。」チェスプログラムはグランドマスターのようにプレイできますが、ニューラルネットワークや機械学習が原因だとは思いません。ほとんどの優れたプログラムは、広大なオープニングブック、エンドゲームテーブルベース、および深さ優先検索(「アルファベータプルーニングを使用したネガマックス」)、およびおそらく非常に複雑な評価関数(おそらくグランドマスターの助けを借りて書かれています)を使用します。
ケビン

ニューラルネットワークが学習できるのは、その訓練を受けたものだけです。チェスには、ほとんど適用されないルールがありますが、ゲームの一部です。ビショップに昇進することは合法ですか?王に昇進することは合法ですか?

2
ハ...王に昇格すると、チェックメイトが少し難しくなります!
ケビン

1

分析するだけで許可されている動きを学習できると思いますが、許可されていない動きをどのように学習しますか?たとえば、ポーンは、向かい合うピースがその前にある場合、1マス前に移動することはありません。コンピューターは、これがプレイヤーの選択によるものなのか、それが許可されていないことをどのようにして知るのですか?時間の99.99%以上が発生しない場合、それは許可されないことを意味するアルゴリズムを考え出すことができますが、時間の99.99%が悪い動きですが、0.01%の時間はゲームに勝つ動きです。だから、私の答えはノーです。ゲームを分析するだけではすべてのルールを学ぶことはできませんが、おそらくゲームをプレイするのに十分なことを学ぶことができます。


1

これは哲学的な質問です。人がチェスをしている間に人々を観察するだけでチェスをすることを学ぶことができるかどうかを尋ねることもできます。実際、それは基本的にネルソン・グッドマンが彼の偉大な著書「事実、フィクション、予測」で尋ねるのと同じ種類の質問です。すでに行われた観測は、これまでに観測されたチェスの動きであり、将来の観測は、まだ発生していないすべてのチェスの動きです。問題は、過去の観測と将来の観測の間に(過去の出来事と将来の出来事の純粋な因果関係とは対照的に)ノモロジカルな関係がありますか?

私たちは言葉の解釈場合nomologicalをとして、自然やロジックの法則によると、何も今までに、この法律の不一致で発生することができ、その後、そのような関係は確かに存在しない、斜めに城を移動させる第1人いるので、自然法則を破ると、私たちが知っている宇宙は崩壊するでしょう。

しかし、実際には、自然の何らかの異常な事故によって、世界中のチェスプレイヤーがこれから行うすべての動きは有効でした(誰も間違いを犯したり、チートを試みたり、チェスのルールを知らない人はいませんでした)チェスの駒をランダムにボード全体に押し付け始めますが、誤って常に規則に従って)、これはすべてを強制する自然の法則(または論理の法則)があると私たちを納得させません。私たちはそれを純粋に偶然と考えます。

ルートヴィヒ・ヴィトゲンシュタインは、彼の哲学的調査で同様の分野をカバーしました。彼は、一連の観察はarbitrarily意的に多くの、さらには矛盾するルールにも従うと主張しています。たとえば、私が観察したすべてのチェスゲームが午後に行われた場合、私のルールは午後になり、司教は斜めにしか動かせません。時刻がゲームにとって重要ではないということは、その日のさまざまな時間にチェスの試合を観察したことがないので、私が観察できなかったことです。または、偶然にも、チェスをしている女性を一度も見たことがないなら、司教は男性だけが動かせるというルールがあります。観察に関連するものとそうでないものは、観察の前提条件として決定され、観察自体の一部とすることはできません。

ところで:問題に対するウィトゲンシュタインの解決策はグッドマンのそれと非常に似ています。驚きを台無しにしない;-)

補遺:

Sussmanが初心者だった頃、ミンスキーはかつてPDP-6をハッキングして座っていました。

「何をしているの?」とミンスキーは尋ねた。「ランダムに配線されたニューラルネットを使って三目並べをプレイしています」とSussmanは答えました。「ネットがランダムに配線されているのはなぜですか」とミンスキーは尋ねました。「プレイ方法についての先入観を持たせたくない」とSussmanは述べた。

ミンスキーは目を閉じた。「なぜあなたは目を閉じますか?」Sussmanは先生に尋ねました。「部屋が空になるように。」その瞬間、Sussmanは啓発されました。


-4

番号

単純にパターンを学習する(これまでの方法で)ことは、「チェスを最適にプレイすることを学ぶ」ことと同じではないからです。

これには、単なる計画パターンの学習とはまったく異なる、計画と戦略が必要です。


1
あなたは実際にそれを知りません。その上、問題は、ゲームの例を分析するだけでチェスの実際のルールを学習することが可能かどうかです(コンピューターの場合、しかし同じ制約がおそらく人間にも当てはまるでしょう)。
tdammers

1
質問を誤解したと思います...
maple_shaft

AI(ニューラルネットワーク)で作業(修士論文)した後、できないと確信しています。別の言い方をする証拠がない限り、単に「あなたはそれを知らない」と言うことはできません
ダークナイト
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.