論文の概要: Predicting User Perception of Move Brilliance in Chess

• arxiv url: http://arxiv.org/abs/2406.11895v1
• Date: Fri, 14 Jun 2024 17:46:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-20 00:55:56.853806
• Title: Predicting User Perception of Move Brilliance in Chess
• Title（参考訳）: チーズにおける移動ブリリアンスのユーザ知覚の予測
• Authors: Kamron Zaidi, Michael Guerzhoy,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.434553688053531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI research in chess has been primarily focused on producing stronger agents that can maximize the probability of winning. However, there is another aspect to chess that has largely gone unexamined: its aesthetic appeal. Specifically, there exists a category of chess moves called ``brilliant" moves. These moves are appreciated and admired by players for their high intellectual aesthetics. We demonstrate the first system for classifying chess moves as brilliant. The system uses a neural network, using the output of a chess engine as well as features that describe the shape of the game tree. The system achieves an accuracy of 79% (with 50% base-rate), a PPV of 83%, and an NPV of 75%. We demonstrate that what humans perceive as ``brilliant" moves is not merely the best possible move. We show that a move is more likely to be predicted as brilliant, all things being equal, if a weaker engine considers it lower-quality (for the same rating by a stronger engine). Our system opens the avenues for computer chess engines to (appear to) display human-like brilliance, and, hence, creativity.
• Abstract（参考訳）: チェスにおけるAI研究は主に、勝利の確率を最大化できる強力なエージェントを作り出すことに焦点を当てている。 しかし、チェスには別の側面があり、ほとんど検討されていない。 具体的には、「ブリリアント」の動きと呼ばれるチェスの動きのカテゴリが存在する。これらの動きは、高い知的な美学のためにプレイヤーによって評価され、賞賛されている。我々は、チェスの動きを分類する最初のシステムを示す。このシステムは、チェスエンジンの出力とゲームツリーの形状を記述する機能を用いて、ニューラルネットワークを使用する。システムは、精度が79%(ベースレート50%)、PVが83%、NPVが75%である。我々は、人間が「ブリリアント」として知覚する動きは、単に「ブリリアント」と呼ばれる動きが最善ではないことを実証する。 より弱いエンジンが低品質(より強力なエンジンによる同等の格付けの場合)を考えると、この動きは、すべて同じである、輝かしいと予測される傾向が示されます。 我々のシステムは、コンピュータチェスエンジンが人間のような輝きを見せる(現れる)ための道を開く。

関連論文リスト

• Explore the Reasoning Capability of LLMs in the Chess Testbed [45.12891789312405]
  我々は,注釈付き戦略と戦術を統合することで,チェスにおける大規模言語モデルの推論能力を向上させることを提案する。 我々はLLaMA-3-8Bモデルを微調整し、より優れたチェスの動きを選択するタスクにおいて、最先端の商用言語モデルと比較する。
  論文  参考訳（メタデータ） (2024-11-11T01:42:56Z)
• Intransitively winning chess players positions [91.3755431537592]
  チェス選手の位置の勝利の間の関係の空間はユークリッドではない。 ツェルメロ・ヴォン・ノイマンの定理は、純粋な勝利戦略を構築する可能性と不可能性についての言明によって補完される。
  論文  参考訳（メタデータ） (2022-12-11T05:55:05Z)
• 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)
• Measuring the Non-Transitivity in Chess [19.618609913302855]
  我々は、人間のプレイヤーの実際のデータを通してチェスの非透過性を定量化する。 非透過性の度合いとチェス選手のレーティングの進行との間には強いつながりがある。
  論文  参考訳（メタデータ） (2021-10-22T12:15:42Z)
• LiveChess2FEN: a Framework for Classifying Chess Pieces based on CNNs [0.0]
  我々は,1秒未満で画像からチェス位置を自動的にデジタル化する機能的フレームワークを実装した。 チェスの駒の分類と組込みプラットフォーム上で効率的にマップする方法について、さまざまな畳み込みニューラルネットワークを分析した。
  論文  参考訳（メタデータ） (2020-12-12T16:48:40Z)
• Chess2vec: Learning Vector Representations for Chess [0.0]
  チェスの駒のベクトル表現を生成し評価する。 チェスの駒や動きの潜伏構造を明らかにし、チェスの位置からチェスの動きを予測する。
  論文  参考訳（メタデータ） (2020-11-02T14:50:48Z)
• Assessing Game Balance with AlphaZero: Exploring Alternative Rule Sets in Chess [5.3524101179510595]
  私たちはAlphaZeroを使って、新しいチェスの変種を創造的に探索し、設計しています。 チェスのルールに原子的変化を含む他の9つの変種を比較した。 AlphaZeroを用いて各変種に対する準最適戦略を学習することにより、これらの変種が採用された場合、強い人間プレイヤー間のゲームがどのように見えるかを決定する。
  論文  参考訳（メタデータ） (2020-09-09T15:49:14Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Playing Chess with Limited Look Ahead [0.0]
  静的評価関数として機能するために、ディープニューラルネットワークをトレーニングする。 我々は,我々の静的評価関数が,先見的な知識をコード化していることを示す。 先見深度に厳格な制限があるにもかかわらず、我々のエンジンはサンプル位置の約83%で同等の強度の移動を推奨している。
  論文  参考訳（メタデータ） (2020-07-04T16:02:43Z)
• Smooth markets: A basic mechanism for organizing gradient-based learners [47.34060971879986]
  スムーズマーケット(SM-games)は、対角にゼロ和の相互作用を持つn-プレイヤゲームの一種である。 SMゲームは、(一部)GAN、敵対的トレーニング、その他の最近のアルゴリズムを含む、機械学習における一般的なデザインパターンを符号化する。 SMゲームは1次手法を用いて解析と最適化が可能であることを示す。
  論文  参考訳（メタデータ） (2020-01-14T09:19:39Z)

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。