論文の概要: AI sustains higher strategic tension than humans in chess

• arxiv url: http://arxiv.org/abs/2508.13213v1
• Date: Sat, 16 Aug 2025 22:53:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.65896
• Title: AI sustains higher strategic tension than humans in chess
• Title（参考訳）: AIはチェスで人間よりも高い戦略的緊張を維持する
• Authors: Adamo Cerioli, Edward D. Lee, Vito D. P. Servedio,
• Abstract要約: 戦略的意思決定は、即時機会と長期的な目標の間の緊張を管理することを伴う。 チェスにおけるこのトレードオフについて,人間対AIゲームとAIゲームのダイナミクスを特徴付け,比較することにより検討する。 本稿では,現在進行中の戦略的緊張を定量化するためのネットワークベースの指標を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Strategic decision-making involves managing the tension between immediate opportunities and long-term objectives. We study this trade-off in chess by characterizing and comparing dynamics between human vs human and AI vs AI games. We propose a network-based metric of piece-to-piece interaction to quantify the ongoing strategic tension on the board. Its evolution in games reveals that the most competitive AI players sustain higher levels of strategic tension for longer durations than elite human players. Cumulative tension varies with algorithmic complexity for AI and correspondingly in human-played games increases abruptly with expertise at about 1600 Elo and again at 2300 Elo. The profiles reveal different approaches. Highly competitive AI tolerates interconnected positions balanced between offensive and defensive tactics over long periods. Human play, in contrast, limits tension and game complexity, which may reflect cognitive limitations and adaptive strategies. The difference may have implications for AI usage in complex, strategic environments.
• Abstract（参考訳）: 戦略的意思決定は、即時機会と長期的な目標の間の緊張を管理することを伴う。 チェスにおけるこのトレードオフについて,人間対AIゲームとAIゲームのダイナミクスを特徴付け,比較することにより検討する。 本稿では,ボード上で進行中の戦略的緊張を定量化するために,ネットワークベースの断片間相互作用の指標を提案する。 そのゲームにおける進化は、最も競争力のあるAIプレイヤーが、エリートな人間のプレイヤーよりも長い期間、高いレベルの戦略的緊張を保っていることを示している。 累積的テンションはAIのアルゴリズムの複雑さによって変化し、人間のプレイゲームでは、1600 Eloと2300 Eloの専門知識によって突然増加する。 プロフィールには異なるアプローチが示されている。 競争力の高いAIは、長期にわたって攻撃と防御の戦術のバランスのとれた、相互に繋がった位置を許容する。 対照的に、人間の遊びは緊張とゲームの複雑さを制限し、認知的な制限と適応的な戦略を反映する可能性がある。 この違いは、複雑な戦略的環境におけるAIの使用に影響を及ぼす可能性がある。

関連論文リスト

• A Behavior-Based Knowledge Representation Improves Prediction of Players' Moves in Chess by 25% [2.232417329532027]
  本稿では,人間の次の動きを予測するために,エキスパート知識と機械学習技術を組み合わせた新しいアプローチを提案する。 ドメインの専門知識に根ざした特徴工学を適用して,中間レベルのチェス選手の動きのパターンを明らかにする。 我々の方法論は、人間の行動を予測するための有望なフレームワークを提供し、AIと人間とコンピュータの相互作用の両方の分野を前進させる。
  論文  参考訳（メタデータ） (2025-04-07T18:49:00Z)
• Superintelligence Strategy: Expert Version [64.7113737051525]
  AI開発を不安定にすることで、大国間の対立の可能性が高まる可能性がある。 スーパーインテリジェンス — ほぼすべての認知タスクにおいて、AIが人間よりもはるかに優れている — が、AI研究者によって期待されている。 本稿では,相互保証型AI誤動作の概念を紹介する。
  論文  参考訳（メタデータ） (2025-03-07T17:53:24Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• 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)
• Human vs. Machine: Behavioral Differences Between Expert Humans and Language Models in Wargame Simulations [1.6108153271585284]
  大規模言語モデル(LLM)は、高い軍事的意思決定シナリオにおいて、人間と異なる振る舞いを示す。 当社の結果は、自律性を認める前に政策立案者が慎重であること、あるいはAIベースの戦略レコメンデーションに従うことを動機付けています。
  論文  参考訳（メタデータ） (2024-03-06T02:23:32Z)
• Toward Human-AI Alignment in Large-Scale Multi-Player Games [24.784173202415687]
  我々はXboxのBleeding Edge(100K+ゲーム)から広範囲にわたる人間のゲームプレイデータを解析する。 人間のプレイヤーは、戦闘飛行や探索飛行行動において多様性を示す一方で、AIプレイヤーは均一性に向かう傾向にある。 これらの大きな違いは、ヒューマンアラインアプリケーションにおけるAIの解釈可能な評価、設計、統合の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-02-05T22:55:33Z)
• 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)
• 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)
• 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)
• Multi-AI competing and winning against humans in iterated Rock-Paper-Scissors game [4.2124879433151605]
  我々は1つの固定メモリ長のマルコフモデルに基づくAIアルゴリズムを用いて、反復したRock Paper Scissorsゲームで人間と競合する。 我々は、異なる競合戦略に対応するために、変更可能なパラメータを持つマルチAIアーキテクチャを開発する。 我々の戦略は、95%以上の人間の対戦相手に勝つことができる。
  論文  参考訳（メタデータ） (2020-03-15T06:39:59Z)

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。