学习国际象棋中个体行为模型

能够捕捉类人行为的 AI 系统在人类可能希望向这些系统学习、与之协作或作为伙伴长期互动的情况下正变得日益有用。为了开发面向人类的 AI 系统，预测人类行为（而非预测最优行为）的问题已受到相当关注。现有工作侧重于以聚合方式捕捉人类行为，这潜在限制了任何特定个体从这些系统互动中可获得的益处。我们扩展了这一研究方向，开发了国际象棋中个体人类行为的高精度预测模型。国际象棋是一个探索人类-AI 互动的丰富领域，因为它结合了独特的一组属性：AI 系统多年前已达成超人表现，而人类仍与之紧密互动，既作为对手也作为备战工具，并且存在海量关于个体棋手对局的记录数据。从 Maia（一个在人群体上训练的开源版 AlphaZero）出发，我们证明通过应用一系列微调方法，可显著提升对特定棋手走子的预测精度。此外，我们的个性化模型可用于笔迹学分析——预测给定走子序列由谁走出——表明它们在个体层面捕捉了人类决策。我们的工作展示了一种使 AI 系统更好地与个体人类行为对齐的途径，这可能带来人类-AI 互动的大幅改进。