又下一城!机器学习引擎Lc0赢得计算机国际象棋锦标赛

大数据文摘出品

来源:chess.com

编译:李可

机器学习国际象棋引擎Lc0上周末赢得了Chess.com计算机国际象棋锦标赛,成为历史上第一个获得此头衔的神经网络项目。

这也证明了教会自己如何下国际象棋的Lc0,正在游戏中处于领先地位。

神经网络胜过传统的国际象棋引擎,这会是计算机国际象棋历史中的一个决定性时刻吗?只有时间会证明,但是Lc0在赢得CCC 7:Blitz Bonanza的比赛过程中表现亮眼,毕竟总决赛得分拿到了167.5 / 300。

在闪电战决赛中,Lc0战胜了于亚军Stockfish,这是8次计算机国际象棋锦标赛中Stockfish第一次没有赢得锦标赛(CCC 1-7和2017年的旧赛制赛事)。

进入决赛的前四名都是神经网络,Lc0变种Leelenstein和Antifish(126.5 / 300)排名第三和第四。在锦标赛后,计算机国际象棋锦标赛规则更新,允许不超过两名决赛选手共享重要的代码库。

开源Lc0项目的灵感来自Google / DeepMind的AlphaZero,而AlphaZero曾因在私人比赛中击败以前版本的Stockfish而成为头条新闻。

Lc0也在与Stockfish的小型比赛决赛局中获胜,这也Stockfish第一次在计算机国际象棋锦标赛中输掉比赛。

Lc0可以捍卫自己的头衔更久吗?CCC 8:Deep Dive现已上线,参与者是24个世界顶级国际象棋引擎,时间控制为快速的15分钟,每步增加5秒。

CCC 8的第一阶段是24位参赛者的循环赛,每个引擎将和所有其他引擎各比赛四场,两场执白,两场执黑。第一阶段的前四名将进入决赛阶段,进行50x循环赛。

CCC 8:Deep Dive信息:

  • 引擎:24
  • 时间控制:15分钟+ 5秒增量
  • 赛制:第一阶段:4x循环赛,升序(每个引擎与其余引擎比赛4场:两场执白,两场执黑)
  • 比赛:总共1,404场;第一阶段为1,104场,决赛为300场
  • 开始日期:4月13日
  • 预计持续时间:总共42天; 第一阶段33天(〜5月16日),总决赛9天(〜5月25日)
  • 开局库:第一阶段没有,决赛阶段由Chess.com锦标赛工作人员选择
  • 残局库:启用

第一阶段的前四名引擎进入50x循环决赛(不超过两名决赛选手可以共享代码;任意有资格共享代码的引擎在前两次共享过后就没有资格了,下一个最高分的引擎将取代它。)

CCC 8:深潜参赛者和升级顺序:

1. Lc0* 2. Stockfish 3. Fizbo 4. Komodo 5. Laser 6. Shredder 7. Leelenstein* 8. BlackMamba 9. Schooner 10. Fire 11. Xiphos 12. Andscacs 13. Antifish* 14. Rofchade 15. Arasan 16. Houdini 17. Protector 18. Senpai 19. Allie* 20. Wasp 21. Texel 22. Bobcat 23. Komodo Monte Carlo 24. Ethereal

*代表神经网络引擎

CCC 7:Blitz Bonanza 交叉表:

CCC 7总决赛交叉表。点击图像查看大图。

CCC 7:总决赛PGN下载和精选比赛:

Lc0在一场比赛中在头文件上对Stockfish造成了严重杀伤,这场游戏甚至可以写进乌菲姆采夫防御(Pirc Defense)布局走法的教科书。比赛最后阶段展现了一个皇后(queen)和三个相连的兵(pawn)的巨大潜力:强大的fish只能拖延它的死亡。

Lc0在另一场拉锯战胜利中上演了另一出终局教学,这次的对手是另一个神经网络引擎Antifish。Lc0用了287步才最终确定了自己的胜利优势,在复杂的车(rook),兵(pawn)和骑士(knight)终局中战胜Antifish。

Lc0在最后选择三步将杀对于人类玩家来说可能看起来很陌生,即使它在每个国际象棋初学者都学过的残局中出现:车与国王(king)对国王。即使是最简单的局面,人类也可以向Leela学习。

相关报道:

https://www.chess.com/news/view/lc0-wins-computer-chess-championship-makes-history

本文分享自微信公众号 - 大数据文摘(BigDataDigest)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-04-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏银河系资讯

关于人工智能-微软和谷歌没有告诉你的是什么

2018年9月,iFlytek,一家中国技术公司,人工智能的全球领导者(尤其是语音识别软件)在上海举行的技术会议上被指责将人工翻译伪装成机器翻译。举报人是Bel...

13120
来自专栏CRM日记本

成功推动数字化转型的战略视角

数字化转型是一段旅程,而不是终点!这是一项通过使用新的数字技术驱动价值和增长的业务模式,如云、移动、社交、区块链、3D打印、大数据、先进的分析和可视化、机器人技...

11220
来自专栏CRM日记本

了解人工智能背后的科学

有很多技术概念让我们能够真正理解AI,但最重要要记住的是,AI是关于构建智能计算机程序来执行如下任务:

11930
来自专栏JavaEdge

基于Spark的机器学习实践 (六) - 基础统计模块

◆ Spark 的基础统计模块即MLlib组件中的Basic Statistics部分

18420
来自专栏AI人工智能

Python机器学习资源菜单,选库找工具不愁,吐血整理!

来源商业新知网,原标题:Python机器学习资源菜单,选库找工具不愁,GitHub精选列表都在这里了

12730
来自专栏CRM日记本

Salesforce通过Einstein Vision for Social Studio为营销人员提供基于AI的图像识别

社交媒体已经从基于文字分享逐步转化为视觉分享媒体。因为可即时从任何设备上传图片到社交媒体,人们在社交媒体上分享的照片比以往任何时候都要多。根据德勤发布的数据, ...

11130
来自专栏银河系资讯

使用Gensim实现Word2Vec和FastText词嵌入

在自然语言处理(NLP)中,我们经常将词映射到包含数值的向量中,以便机器可以理解它。词嵌入是一种映射,允许具有相似含义的单词具有相似的表示。本文将介绍两种最先进...

32320
来自专栏银河系资讯

随机森林算法

随机森林是一种灵活,易于使用的机器学习算法,即使没有超参数调整,也能在大多数情况下产生出色的结果。它也是最常用的算法之一,因为它简单,并且可以用于分类和回归任务...

26630
来自专栏CRM日记本

Salesforce三项新服务让CRM具备认知能力

Salesforce近期在博客中公布了其爱因斯坦AI平台上的三项认知服务。这三项服附加务包括情感检测、意图检测以及目标检测。Salesforce的用户可以通过这...

9520
来自专栏银河系资讯

神经网络似乎遵循一种令人费解的简单策略来对图像进行分类

在这篇文章中,我将展示为什么最先进的深度神经网络仍能很好地识别乱码图像,以及这有助于揭示DNN似乎用来对自然图像进行分类的令人费解的简单策略。这些发现发表在IC...

10540

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励