国际象棋 AI：机器智能的竞争性范式
人工智能
2022-04-27 v1 机器学习
机器学习
摘要
残局研究长期以来一直作为检验人类创造力与智能的工具。我们发现它们同样可以作为检验机器能力的工具。两款领先的国际象棋引擎 Stockfish 与 Leela Chess Zero (LCZero) 在对弈中采用了显著不同的方法。我们利用 1970 年代晚期著名的残局研究 Plaskett 谜题来比较这两款引擎。我们的实验表明 Stockfish 在该谜题上优于 LCZero。我们考察了引擎之间的算法差异，并以我们的观察为基础谨慎地解读测试结果。受人类解决国际象棋问题方式的启发，我们探讨机器是否能拥有某种形式的想象力。在理论层面，我们描述了如何应用贝尔曼方程来优化获胜概率。最后，我们讨论了本研究对人工智能 (AI) 与通用人工智能 (AGI) 的启示，并提出了未来研究的可能途径。
引用
@article{arxiv.2109.11602,
title = {Chess AI: Competing Paradigms for Machine Intelligence},
author = {Shiva Maharaj and Nick Polson and Alex Turk},
journal= {arXiv preprint arXiv:2109.11602},
year = {2022}
}
备注
15 pages, 8 figures