为什么国际象棋专家对AlphaZero击败Stockfish感到惊讶？

它最近引起了我的注意的是国际象棋高手把这个现在著名比赛的结果作为心烦的事。

参见：国际象棋的最佳新手是一种无所畏惧的，无畏的算法

作为国际象棋和国际象棋AI的非专家，我的假设是，基于AlphaGo的性能以及与组合游戏相关的这种方法的验证，较早的AI将没有机会。

• 为什么AlphaZero的胜利令人惊讶？

好问题。

首先，最重要的是，《深渊》中没有超人对手可以挑战。Go引擎与顶级人类玩家的最高水平并没有什么不同。但是，在国际象棋中，引擎比最顶尖的人类玩家强500个ELO点。这是巨大的差异。现代国际象棋引擎的工作量惊人。我们正在谈论数百万小时的编程，数十万次迭代。这是大量的知识和工作。在4小时内克服并超越所有这些令人震惊。

其次，结果本身并不仅仅是让棋手感到惊讶，而是AlphaZero如何下棋。具有讽刺意味的是，没有人的知识或专业知识的系统发挥最大的作用就像我们所做的那样。引擎因播放难看的动作，缺乏和声等而臭名昭著。很难向非国际象棋玩家解释，但有一种“人工动作”之类的东西，就像现代引擎经常出现的那样。AlphaZero根本不玩这种游戏。它具有非常人性化的风格，以深厚的战略战术和惊人的位置牺牲来统治对手的棋子。AlphaZero结合了对位置的深刻理解和引擎计算的精确性，发挥了我们的追求。

编辑 哦，我忘了提及结果本身了。如果您对计算机国际象棋不熟悉，可能看起来并不惊人，但事实确实如此。

如今，将顶级现代发动机分隔开的胜利余地太少了。在一场100场比赛中，您可以期望看到85次比赛，9次胜利和6次失利的结果，以确定更好的引擎。

AlphaZero 28胜0负的72平局简直是天壤之别，直到发生时，这都是不可想象的。

国际象棋的MCTS在文献中已经尝试过，但收效甚微。假定AlphaGo的方法永远不会在国际象棋上奏效，也许在Go中却无法在国际象棋中奏效。突然，谷歌宣布该方法正在奏效，并且以非常明显的优势击败了世界上最强大的国际象棋程序。

在Google诞生之前，所有国际象棋程序员都被教导在引擎编程中精心设计启发式方法是比机器学习更好的策略。无论您如何实现神经网络，它的运行速度都不会比一堆64位位板指令快。AlphaGo的运行速度相当慢，但它的下棋能力最强。

根据您提供的文章，我看到获胜的惊喜很多：

国际象棋是一个很难掌握的游戏，而对手则拥有世界上最好的作法，阿尔法零则拥有塔布拉拉。

学习花了四个小时，而AlphaZero没有输掉100。

游戏风格是人类和计算机的异类混合体，例如动作，攻击性，有时看起来有些愚蠢，不愿牺牲，但实际上使未来的地位更加牢固。

每次移动所考虑的可能性少于对手，AlphaZero具有一种神秘的直觉或直觉。

令人不快的感觉来自AlphaZero自己建立的培训材料的数量和时间限制，这可能并没有给传统机器足够的时间。