表征对精通国际象棋至关重要：AlphaZero 中改进的特征表示优于切换至 Transformer
人工智能
2024-08-21 v2
摘要
尽管 Transformer 已作为人工智能（AI）的通用工具获得认可，但在国际象棋——这一经典 AI 基准——的语境下，一个未被探索的挑战浮现。在此，将 Vision Transformer（ViT）整合进 AlphaZero 不足以精通国际象棋，主要源于 ViT 的计算限制。试图通过结合 MobileNet 与 NextViT 优化其效率的方法以约 30 Elo 超越 AlphaZero。然而，我们提出一项实用改进，涉及对输入表示与价值损失函数的简单改动。结果，我们实现了相较当前 AlphaZero 在国际象棋中可达性能最高 180 Elo 分的显著提升。除这些改进外，我们使用积分梯度（Integrated Gradient）技术的实验结果证实了新引入特征的有效性。
引用
@article{arxiv.2304.14918,
title = {Representation Matters for Mastering Chess: Improved Feature Representation in AlphaZero Outperforms Switching to Transformers},
author = {Johannes Czech and Jannis Blüml and Kristian Kersting and Hedinn Steingrimsson},
journal= {arXiv preprint arXiv:2304.14918},
year = {2024}
}
备注
18 pages, 8 figures, 12 tables