围棋的衍生度量——神经网络内在强度评估与作弊检测
人工智能
2020-11-16 v3
摘要
超人类 AI 引擎的广泛可用正在改变我们游玩古老围棋游戏的方式。AlphaGo 系列之后开发的开源软件包将重心从制造强棋力实体转向提供对局分析工具。此处我们描述第二代引擎的创新（如胜率估计、可变贴目）如何被用于定义新度量以深化我们对棋局理解的两种方式。首先，我们研究除原始神经网络策略输出外，搜索组件贡献了多少信息。这给出了神经网络的内在强度度量。其次，我们通过胜率估计之差来定义一手棋的效果。这给出了对棋手细粒度、逐手的性能评估。我们将此用于应对检测线上作弊这一新挑战。
引用
@article{arxiv.2009.01606,
title = {Derived metrics for the game of Go -- intrinsic network strength assessment and cheat-detection},
author = {Attila Egri-Nagy and Antti Törmänen},
journal= {arXiv preprint arXiv:2009.01606},
year = {2020}
}
备注
16 pages, 12 figures, accepted for CANDAR 2020, The Eighth International Symposium on Computing and Networking, Naha, Okinawa, Japan, November 24-27, 2020; final version will be published in IEEE Xplore