预测国际象棋中用户对着棋棋力的感知
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。
Jun, 2020
使用基于人工智能的方法来决定超时赛,通过比较选手实际走步与最佳走步的评估价值来进行判决,在所有竞技体育和 AI 巨头已经确认其优越性的游戏中都可以推广使用。
Oct, 2022
本研究探索了在国际象棋教材中多个参考棋步之间复杂关系,并提出了一个新颖的方法来提取基于文本的国际象棋知识。通过使用调整后的情感分析方法作为评估国际象棋走步的手段,我们的方法在国际象棋领域的情感分类方面取得了进展。通过实证实验证明了我们的方法在提升国际象棋领域的方面化情感分类方面的效率,并展示了运用自然语言处理技术理解战略游戏上下文的实际可行性。
May, 2024
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
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
本文提出了一种新的自动化国际象棋解说生成方法,结合神经国际象棋引擎和文本生成模型,能够生成不同类型的描述、比较和规划性的解说文本,并在基准数据集上取得了令人满意的结果。
Sep, 2019
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
通过简单调整输入格式和价值损失函数,超越 AlphaZero 许多的方式,来在最古老的 AI 基准测试领域之一的象棋游戏中赢得胜利,仅使用视觉 Transformer,并结合 MobileNet 和 NextViT 提高 ViTs 的效率仍然无法胜任此任务。
Apr, 2023
本论文发展了一种基于 AI 和深度学习神经网络的数值工具,用于对围棋游戏中的每一步的表现进行自动化评估,并识别游戏特征,通过使用 “过” 的代价来衡量落子的紧迫性,即在相同棋盘位置下,落子前后的局面分差,研究了该度量的特性并描述了一些应用。
Aug, 2022