KDDJun, 2020

将超级智能与人类行为相一致：以象棋为模型系统

PDF
TL;DR研究人员基于人类下棋决策的详细数据，通过 AlphaZero 构建了一种定制化的人工智能引擎 Maia，能够更准确地预测人类棋手的下棋。这项研究表明，重点是建立精确的人类决策模型，安装有人类协作的人工智能系统具有很大的潜力。
artificial intelligencecollaborationhuman decision-makingchessmaia
发现论文，激发创造
  • 学习个体在国际象棋中的行为模型

    通过开发高度精确的预测个体在下棋中的行为的模型，我们可以将人工智能系统更好地与个体的行为相一致，从而提高人 - 人工智能交互的效果。

    Aug, 2020

  • 人工智能与人类知识的桥梁：AlphaZero 中的概念发现与转移

    提取出的五个关键词是：人工智能、AlphaZero、国际象棋概念、人类专家、人工智能应用。研究论文的简短总结为：通过提取 AlphaZero 中的国际象棋概念，人类专家能够成功学习和改进解决这些概念的能力，这在推进人类知识前沿方面取得了重要的里程碑，对于人工智能的交互方式和广泛应用具有深远的影响。

    Oct, 2023

  • 设计技能兼容的人工智能：国际象棋中的方法和框架

    强大的人工智能系统通常用于与计算能力较低的代理进行交互，为了在这些设置中成功交互，除了超凡性能之外，人工智能系统还需要考虑低级行为或个体风格，本研究提出了正式的评估框架来评估接近最优的人工智能与计算能力较低的交互伙伴之间的兼容性，并使用合作国际象棋作为模型系统，通过开发可以成功与计算能力较低的实体进行交互的人工智能。

    May, 2024

  • 多元化人工智能：向着 AlphaZero 创造性中国象棋的方向发展

    通过在国际象棋中构建多样化的人工智能团队，研究表明多样性对于解决复杂计算问题具有价值，并能使团队中的人工智能系统产生出更多有创造性的决策机制。

    Aug, 2023

  • 使用通用增强学习算法通过自我对弈掌握国际象棋和将棋

    该研究介绍了使用新的 AlphaZero 算法以及无领域知识的方式进行强化学习，让计算机在三个领域的棋类游戏：围棋、象棋和将棋中均以超级专业水平进行游戏。

    Dec, 2017

  • 超级人工智能可以通过增加新奇性来改善人类决策能力

    通过分析职业围棋选手过去 71 年中超过 580 万次决策，使用超级人工智能程序评估人类决策质量并比较人类决策和人工智能决策的胜率，结果表明，超级人工智能的出现促使人类玩家从传统策略中脱颖而出，导致他们去探索一些新的策略，从而提高了决策能力。

    Mar, 2023

  • AlphaZero 中的国际象棋知识获取

    本文提供证据表明，AlphaZero 神经网络在学习国际象棋时获得了人类知识，并探究了其在象棋中开局游戏方面的行为分析和表示分析。

    Nov, 2021

  • 探究在国际象棋中的行为风格统计方式来检测个体的决策方式

    该论文研究机器学习如何应用于人类行为识别，提出一种基于 Transformer 的应用于棋类游戏，可以在只有 100 个标记棋局的情况下正确识别出准确率达到 98% 的玩家，同时也讨论了该方法对人类行为伦理的潜在影响。

    Aug, 2022

  • 使用一致性检查评估超人模型

    本文提出了通过一致性检查来评估超人工智能模型的框架，并在国际象棋位置评估、未来事件预测和法律判决等三个任务上展示了逻辑不一致性的例子。

    Jun, 2023

  • 无搜索的国际大师级棋局

    研究表明，机器学习中的重要突破主要归功于规模，特别是大规模的基于注意力的架构和空前规模的数据集。本文通过在一个包含一千万局国际象棋比赛的数据集上对一个含有 2.7 亿个参数的 transformer 模型进行监督学习，利用由强大的 Stockfish 16 引擎提供的动作价值为数据集中的每个棋盘进行注释，得到了约 150 亿个数据点，并达到了 2895 的 Lichess 快棋等级分，成功解决了一系列有难度的国际象棋难题，而无需特定领域的优化或显式搜索算法。研究还表明，我们的模型在性能上超过了 AlphaZero 的策略和值网络（没有 MCTS）以及 GPT-3.5-turbo-instruct。对模型和数据集规模进行的系统研究表明，只有在足够规模的情况下，才能展现强大的国际象棋性能。为了验证我们的结果，我们进行了一系列关于设计选择和超参数的消融实验。

    Feb, 2024