关于棋局位置的分步解释
人工智能
2025-10-31 v1 机器学习
摘要
当代棋类引擎提供精确而晦涩的评估，通常以 centipawn 评分表示。虽然有效用于决策，但这些输出掩盖了单个棋子或图案贡献的底层原因。本文探索了将 SHAP（SHapley Additive exPlanations）适应棋类分析领域的可能性，旨在将棋类引擎评估归因于棋盘上的特定棋子。通过将棋子视为特征并系统性地剔除它们，我们计算出可解释、逐棋子贡献的加法值，解释棋类引擎的输出在局部忠实且人类可解读。该方法借鉴了古典棋类教育法——玩家通过精神上删除棋子来评估局面——并植根于现代可解释 AI 技术之上。这一方法为可视化、人类训练和引擎比较开辟了新可能。我们发布伴随代码和数据，以促进可解释棋类 AI 的未来研究。
关键词
引用
@article{arxiv.2510.25775,
title = {Towards Piece-by-Piece Explanations for Chess Positions with SHAP},
author = {Francesco Spinnato},
journal= {arXiv preprint arXiv:2510.25775},
year = {2025}
}