PVCFA: Principal Variation Context Feature Attribution : Distributed Chess for Perturbation-based Saliency Maps
Autor: | Molinari, Marco |
---|---|
Jazyk: | angličtina |
Rok vydání: | 2023 |
Předmět: | |
Druh dokumentu: | Text |
Popis: | The research and development field of computer chess improved more in the last 5 years than in the whole history of computers. Unfortunately these unprecedented results comes with techniques that don’t leave much space to intuition and comprehensibility for humans. Moreover, even though chess engines reached an almost perfect chess playing style, it is still debatable whether to define it intelligent or not. Indeed, what does ”intelligence” mean when it comes to playing chess? The human reasoning logics over this game are surely fascinating and still to be completely discovered. Understanding the processes of feature extraction that runs in a human brain when queried with a chessboard can lead to develop not only better chess engines, but also new techniques in the field of Artificial Intelligence. This research attempts to develop a method of feature extraction based on the generation of saliency maps that should be promoting comprehensibility of the chessboard state, as well as setting the foundation for a possible Multiagent interpretation of the game of chess. The proposed method, Principal Variation Context Feature Attribution (PVCFA), can be considered an answer to the Specificity and Relevance Feature Attribution (SARFA) method, that currently represent the state-of-the-art of saliency maps generation for chess. The results PVCFA provides are objectively carrying more information than SARFA, as the representation displays how the pieces are involved not only in the current move, but in the whole action. PVCFA does so by executing a perturbative actionless exploration along a selected moves line; exploration process that is proved mathematically faster than SARFA. The utilization of perturbation methods can be essential to unlock new tree exploration techniques based on cognition of the context and less on brute-force or generic heuristics. Forsknings och utvecklingsområdet för datorschack har förbättrats mer under de senaste fem åren än under hela datorernas historia. Tyvärr kommer dessa oöverträffade resultat med tekniker som inte lämnar mycket utrymme för intuition och begriplighet för människor. Även om schackmaskinerna har uppnått en nästan perfekt schackspelsstil är det dessutom fortfarande diskutabelt om man ska definiera den som intelligent eller inte. Vad betyder egentligen ”intelligens” när det gäller schackspel? Människans resonemangslogik i detta spel är säkert fascinerande och har ännu inte upptäckts helt och hållet. Att förstå de processer för att extrahera funktioner som pågår i en mänsklig hjärna när den tillfrågas om ett schackbräde kan leda till att man utvecklar inte bara bättre schackmaskiner, utan också nya tekniker inom området artificiell intelligens. I denna forskning försöker man utveckla en metod för att extrahera funktioner som bygger på generering av saliency maps som bör främja förståelsen av schackbrädans tillstånd och lägga grunden för en möjlig tolkning av schackspelet med flera agenter. Den föreslagna metoden, PVCFA, kan betraktas som ett svar på SARFA-metoden, som för närvarande är den bästa metoden för att generera saliency maps för schack. De resultat som PVCFA ger innehåller objektivt sett mer information än SARFA, eftersom representationen visar hur pjäserna är involverade inte bara i det aktuella draget utan i hela handlingen. PVCFA gör detta genom att utföra en störningsfri utforskning utan åtgärder längs en utvald draglinje, en utforskningsprocess som bevisligen är matematiskt snabbare än SARFA. Utnyttjandet av störningsmetoder kan vara avgörande för att frigöra nya tekniker för trädutforskning som bygger på kännedom om sammanhanget och mindre på brutal kraft eller generisk heuristik. |
Databáze: | Networked Digital Library of Theses & Dissertations |
Externí odkaz: |