論文の概要: AI-powered tiebreak mechanisms: An application to chess

• arxiv url: http://arxiv.org/abs/2210.08289v1
• Date: Sat, 15 Oct 2022 13:27:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 20:39:34.929077
• Title: AI-powered tiebreak mechanisms: An application to chess
• Title（参考訳）: AIによるタイブレーク機構:チェスへの応用
• Authors: Nejat Anbarci and Mehmet S. Ismail
• Abstract要約: 我々は,チェスなどのゲームにおける引き分けやトーナメントにおけるタイの場合に,AIシステムが審査員として機能することを提案する。 我々は,nドル対人ゼロサムゲームにおいて,AIに基づくスコアリング機構のファミリーと「ティーブレイク戦略の安全性」の概念を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose that AI systems serve as a judge in the event of a draw in games such as chess and in the event of a tie in tournaments. More specifically, we introduce a family of AI-based scoring mechanisms and the concept of "tiebreak strategyproofness" in $n$-person zero-sum games. A mechanism is called tiebreak strategyproof (TSP) if it is always in the best interest of every player to choose the "best" action according to a given AI system. As such, we introduce a practicable scoring mechanism in chess and show that it is TSP, i.e., it is never in the interest of a player to deliberately play a worse move to increase their advantage in case the game goes to the tiebreak. In other words, TSP mechanisms are immune to such strategic manipulations. We also show that the current "speed-chess" tiebreaks are not TSP or immune to manipulation with an example from 2018 world chess championship between Carlsen and Caruana.
• Abstract（参考訳）: 本稿では,チェスなどのゲームにおける引き分けやトーナメントにおけるタイの場合において,AIシステムが審査役を務めることを提案する。 より具体的には、n$-person zero-sumゲームにおいて、aiベースのスコアリングメカニズムと「タイブレイク戦略耐性」の概念を導入する。 メカニズムをtiebreak strategyproof(tsp)と呼ぶのは、与えられたaiシステムに従って「最高の」アクションを選択することが、すべてのプレイヤーにとって常に最善の利益である場合である。 そこで,本研究では,チェスにおいて実践可能なスコアリング機構を導入し,tsp,すなわち,ゲームがタイブレイクに到達した場合のアドバンテージを高めるために,より悪質な動きを故意に行うことに関心がないことを示す。 言い換えれば、TSP機構はそのような戦略的操作に免疫を持つ。 また、現在の「スピードチェイス」タイブレークは、カルセンとカルアナの2018年の世界チェス選手権の例で、TSPや操作に免疫がないことも示しています。

関連論文リスト

• Human-aligned Chess with a Bit of Search [35.16633353273246]
  チェスは長年、AIが人間の知性と一致しようとする試みの場だった。 本稿では,この古典的なゲームにおいて,人工知能と人間の知能のギャップを埋めるために設計されたチェスをプレイするAIであるAllieを紹介する。
  論文  参考訳（メタデータ） (2024-10-04T19:51:03Z)
• Predicting User Perception of Move Brilliance in Chess [3.434553688053531]
  チェスの動きを華々しく分類する最初のシステムを示す。 精度は79%(ベースレート50%)、PPVは83%、NPVは75%である。 より弱いエンジンが低品質とみなすと、この動きは輝かしく、すべて等しいと予測される傾向が示される。
  論文  参考訳（メタデータ） (2024-06-14T17:46:26Z)
• Amortized Planning with Large-Scale Transformers: A Case Study on Chess [11.227110138932442]
  本稿では,AIにおける画期的な計画問題であるチェスを用いて,計画課題の性能評価を行う。 ChessBenchは、Stockfishが提供する法的行動と価値アノテーション(1500億ポイント)を備えた1000万のチェスゲームの大規模なベンチマークである。 極めて優れた近似を教師付き学習により大規模変圧器に蒸留することは可能であるが, 完全蒸留は依然として到達範囲を超えている。
  論文  参考訳（メタデータ） (2024-02-07T00:36:24Z)
• DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
  我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。 私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
  論文  参考訳（メタデータ） (2023-12-05T08:07:32Z)
• Are AlphaZero-like Agents Robust to Adversarial Perturbations? [73.13944217915089]
  AlphaZero(AZ)は、ニューラルネットワークベースのGo AIが人間のパフォーマンスを大きく上回ることを示した。 私たちは、Go AIが驚くほど間違った行動を起こさせる可能性のある、敵対的な状態が存在するかどうか尋ねる。 我々は、Go AIに対する最初の敵攻撃を開発し、探索空間を戦略的に減らし、効率よく敵の状態を探索する。
  論文  参考訳（メタデータ） (2022-11-07T18:43:25Z)
• Mastering the Game of Stratego with Model-Free Multiagent Reinforcement Learning [86.37438204416435]
  Strategoは、人工知能(AI)がまだマスターしていない数少ない象徴的なボードゲームの一つだ。 ストラテゴにおける決定は、行動と結果の間に明らかな結びつきがなく、多数の個別の行動に対してなされる。 DeepNashは、ストラテゴの既存の最先端AIメソッドを破り、Gravonゲームプラットフォームで年間(2022年)と最高3位を達成した。
  論文  参考訳（メタデータ） (2022-06-30T15:53:19Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• On the Power of Refined Skat Selection [1.3706331473063877]
  Skatは魅力的なカードゲームで、現代のAIシステムの本質的な課題の多くを示しています。 洗練されたskat評価機能に基づくハードエキスパートルールとスコアリング関数を提案する。 実験では、精巧なskat pingアルゴリズムがボットの演奏性能に与える影響を強調した。
  論文  参考訳（メタデータ） (2021-04-07T08:54:58Z)
• Aligning Superhuman AI with Human Behavior: Chess as a Model System [5.236087378443016]
  我々は、人間のチェスゲームで訓練されたAlpha-Zeroのカスタマイズ版であるMaiaを開発し、既存のエンジンよりもはるかに高い精度で人間の動きを予測する。 人間が次の動きで大きな間違いを犯すかどうかを予測する2つのタスクに対して、我々は、競争ベースラインを大幅に上回るディープニューラルネットワークを開発する。
  論文  参考訳（メタデータ） (2020-06-02T18:12:52Z)
• Suphx: Mastering Mahjong with Deep Reinforcement Learning [114.68233321904623]
  我々は、新たに導入されたいくつかの技術を用いた深層強化学習に基づいて、Suphxという名のマフジョンのためのAIを設計する。 Suphxは、安定したランクの点で、ほとんどのトップの人間プレイヤーよりも強いパフォーマンスを示している。 コンピュータプログラムがマヒョンで最上位の人間プレイヤーを上回るのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-03-30T16:18:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。