kaipa: (Default)
С большим удовольствием в прямом эфире смотрел чемпионат мира по рапиду и блицу! Блиц очень динамичен, события на доске и в турнирной таблице меняются с огромной скоростью. Карякин хорошо стартовал в начале турнира, потом его догнал и перегнал Карлсен, который до самого последнего тура был на полшага впереди. Все решилось в последней партии. По ходу турнира Карякин также обыграл и Карлсена, вернув ему должок за поражение на тай-брейке в матче за чемпионство в классических шахматах.

В общем, впечатление, что Карякин думает медленно, которое могло сложиться после матча за чемпионство, полностью не соответствует. Он думает быстро и точно. Что и показал чемпионат по блицу.

Отличный подарок к НГ всем болельщикам и любителям шахмат.

P.S. После завершения чемпионского матча несколько недель назад, я решил возобновить регулярную практику шахматами и поставил себе цель в следующие год-два наиграть на первый разряд. Посмотрим, насколько получится. Кто хочет из френдов -- давайте играть на lichess.org.

4.5 : 3.5

Nov. 22nd, 2016 03:28 am
kaipa: (Default)
Карякин всю партию играл в кошки-мышки с бедным норвежцем, а завершил и вовсе эффектным шахматным этюдом. Блеск!
kaipa: (Default)
Почти год назад наколеночная нейронная сеть научилась играть в шахматы просто имея массив готовых игр. В опубликованной недавно статье (магистрская работа) описывается шахматная программа, использующая  нейронную сеть для оценки позиции и оптимизации перебора. По утверждению авторов программа играет в силу мастера.

Хотя это звучит круто-круто, на самом деле это круто, но не настолько :) Так как начальной точкой оптимизации была программа, основанная на традиционных алгоритмах, которая уже играла чуть хуже кандидата в мастера. Нейронные сети использовались для ее улучшения и замены некоторых алгоритмических частей на обучаемые.

Статья интересная, и ее стоит прочитать всем, кто интересуется этой темой. Нейронная сеть была использована для двух разных целей.

Для начала, авторы поставили задачу оценки позиции при помощи нейронный сети. Они построили и натренировали сеть так, чтобы получить функцию оценки максимально близкую к известной функции оценки Stockfish (есть массив позиций оцененных Stockfish). А потом проверили на позициях из Strategic Test Suite. Натренированная нейронная сеть смогла оценивать позиции на уровне лучших шахматных программ, не имея практически никаких априорных знаний -- только опыт обучения!

Следующая логичная задача, которую поставили перед собой авторы -- это использовать нейронную сеть для предсказания лучшего хода. Здесь они использовали нестандартный, как мне кажется, подход для определения глубины поиска: отсечение по вероятности выиграть. То есть для каждой позиции вычисляется вероятность выигрыша, перебор идет в сторону позиций с более высокой вероятностью (или отсечение низких). Это дает преимущество при оценке длинных "вынужденных" комбинаций, когда в позиции не очень много ходов, но ее надо просмотреть глубоко. Нейронная сеть была натренирована для предсказания этих вероятностей. По сравнению с вариантом вычисления вероятностей "в лоб" (чисто через оценку позиций), нейронная сеть "угадывала" наилучший ход несколько чаще, то есть и в этом случае удалось повторить (в смысле результата) и превзойти закодированный алгоритм!

В обоих случаях существующий жесткий алгоритм был заменен гибкой и обучаемой нейронной сетью, то есть при дальнейшем обучении (на лучших данных или в режиме self-play) можно ожидать еще большего роста качества игры.

Это, конечно, не так круто, как "научиться играть" по партиям, но все равно впечатляет.
kaipa: (Default)
Продолжение серии статей на geektimes. (начало тут). Я ожидал одну заключительную статью, но уже появилось целых три, и обещают самую последнюю.

5. Каспаров против Deep Blue. Часть III: Междуматчье. (1996-1997).

6. Каспаров против Deep Blue. Часть IV: Нью-Йоркские тайны (1997)

7. Каспаров против Deep Junior. Возвращение в Нью-Йорк (2003)

Пятая (III) часть для меня была самой интересной, где опираясь на книгу "отца" Deep Blue рассказывается, как компьютер учили "мыслить" позиционно и стратегически.

Следующая часть -- это кульминация, исторический матч в Нью-Йорке. Каспаров, конечно, молодец. Он играл против компьютера очень и очень сильно, во всю силу используя позиционную, плохо просчитываемую игру, и мог выиграть матч, если бы не сломался психологически от нескольких "непонятных" и откровенно слабых ходов Deep Blue. Каспаров проиграл. Он хотел и мог бы выиграть матч-реванш, но IBM от реванша уклонилась, видимо, справедливо полагая, что выигрыш Каспарова обнулит маркетинговые приобретения.

Последняя на сегодня часть -- это матч уже не против суперкомпьютера, а против "обычной" четырехпроцессорной рабочей станции, на которой работала одна из лучших на тот момент шахматных программ Deep Juniour 8. В отличие от предыдущего матча, в этот раз Каспаров азартно играл в "обычные" шахматы, то есть так, как он играл бы с человеком. Только в последней партии матча он согласился на ничью, хотя с человеком бы продолжил играть до победы, понимая, что цена ошибки от усталости слишком высока, а компьютер не устает. Интересно, изменился бы результат, если бы Каспаров играл так же, как и в предыдущем Нью-Йоркском матче. Думаю да, так как глубина анализа Deep Juniour была заведомо меньше, чем у его куда более мощного предшественника.

В общем, в начале - первой половине нулевых, компьютерные программы на вполне компромиссном по сегодняшним меркам железе догнали по силе лучших гроссмейстеров. Мне кажется, что примерно с этого времени интерес к шахматам в мире стал плавно угасать. Увы.
kaipa: (Default)
На geektimes опубликована интересная серия статей про историю противостояния Каспарова и шахматных компьютеров. Заключительной статьи пока нет, но вдруг я пропущу и забуду.

1. Каспаров – Deep Thought. Игра в одни ворота (1989)

2. Первые обидчики. Fritz и Genius (1994-1995)

3. Каспаров против Deep Blue. Часть I: черный ящик (1996)

4. Каспаров против Deep Blue. Часть II: Филадельфийский эксперимент (1996)

В следующем матче в 1997г с усовершенствованным Deep Blue Каспаров проиграл (статья об этом, видимо, еще будет), но примерно до середины 2000х лучшие гроссмейстеры все еще сражались с компьютерами примерно на равных. Есть "закон Мура для шахмат", по которому считается, что удвоение вычислительной мощности вдвое увеличивает силу шахматной программы на 30 пунктов рейтинга Эло. Если учесть, что каждые полтора-два года производительность удваивается, то за 10 лет компьютеры "умнеют" минимум на 300 пунктов, что ОЧЕНЬ много. А если добавить к этому постоянное совершенствование алгоритмов, то понятно, что в шахматах у человека уже шансов нет. Лучшие шахматные программы на довольно скромных четырехпроцессорных компьютерах играют в силу 3300+, тогда как лучшие гроссмейстеры "всего лишь" 2800-2900.

Гроссмейстеры все еще могут что-то противопоставить шахмтаным программам только в середине партии, так как дебюты машина "знает" лучше, а для эндшпилей (5 и 6, а недавно и 7 фигур) рассчитали полные эндшпильные таблицы. Компьютеры не допускают тактических ошибок, и могут быть обыграны только стратегически. Но это еще надо уметь.

Впрочем, интересно было бы сравнить силу компьютеров и человека при равном энергопотреблении. Есть ощущение, что человек тут будет все еще впереди. С другой стороны, я играл или играю примерно в силу второго взрослого разряда (1700-1800). Шахматная программа в моем макбуке меня уже стабильно обыгрывает. Даже если я не допускаю явных ошибок и зевков, так как играю между делом. По-моему, дважды мне удалось сделать ничью. Оба раза позиционную (с повторением ходов).

Кстати, на днях, разбирая книги, нашел книгу по лингвистической геометрии, технологии, которую придумала группа Ботвинника, о которой я писал пару лет назад. Начал было разбираться тогда, но не хватило времени или желания. Суть в том -- что эта технология позволяет радикально, на порядки, сократить дерево перебора. Во всяком случае, так считают авторы.

(продолжение)

Profile

kaipa: (Default)
kaipa

April 2017

S M T W T F S
       1
2345678
9101112131415
16171819202122
23242526272829
30      

Syndicate

RSS Atom

Style Credit

Expand Cut Tags

No cut tags
Page generated Sep. 24th, 2017 08:24 am
Powered by Dreamwidth Studios