用语言模型与 Transformer 学习国际象棋

以基于文本的记法表示棋盘游戏及其局面，为 NLP 应用提供了可能。语言模型有助于洞察诸多有趣问题，例如无监督学习游戏规则、检测玩家行为模式、玩家归属判定，以及最终学习该游戏以击败当前最优方法。在本研究中，我们首先将 BERT 模型应用于简单的 Nim 游戏，在少样本学习架构设置下分析其在噪声存在时的表现。我们通过三个虚拟玩家——Nim Guru、Random player 与 Q-learner——分析模型表现。第二部分，我们将该游戏学习语言模型应用于国际象棋，以及包含详尽百科开局的大量特级大师对局集。最后，我们展示了模型实际学会了国际象棋规则，并能在 A 级评级水平下于对局中存活于 Stockfish 之手。