这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,允许在任何媒体上不受限制地使用、分发和复制,前提是正确引用最初发表在JMIR Serious Games上的作品。必须包括完整的书目信息,http://games.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
本文重点介绍了人工智能影响国际象棋世界的关键领域,包括作弊检测方法,这在最近尤其必要,因为在线国际象棋的受欢迎程度出人意料地上升。许多原定于2020年举行的大型国际象棋赛事都被取消了,但由于与其他游戏相比,国际象棋更容易从线下模式转换到在线模式,近几个月来国际象棋在全球的受欢迎程度实际上有所上升。不过,尽管人们可以很容易地在网上下国际象棋,但也有人担心作弊的可能性会增加。人工智能可以解决这些问题。
原定于2020年下半年举行的第44届国际象棋奥林匹克运动会和世界象棋冠军争夺战等重大国际象棋赛事全部取消。然而,许多重大的国内和国际象棋比赛最近都是历史上第一次在网上进行。在2019冠状病毒病大流行期间,国际象棋是少数几个与公众保持密切联系、甚至越来越受欢迎的体育项目之一[
尽管在线上下国际象棋的方式与线下几乎相同,但还是有人担心作弊的可能性会增加,许多软件公司正在寻找解决方案。
人工智能正在经历一场革命,但与此同时,它也给世界带来了革命性的变化。几十年来,国际象棋一直在推动人工智能的发展。
最著名的人机大战事件之一是1997年IBM国际象棋软件“深蓝”战胜著名国际象棋冠军加里·卡斯帕罗夫。
仅在20年后,AlphaZero在2017年的一场国际象棋比赛中,仅经过4个小时的自学,就战胜了有史以来最强大的国际象棋引擎之一Stockfish,在人工智能相关领域取得了重大进展。
AlphaZero算法并没有试图使用强大的计算能力来尽可能多地识别棋盘上的走法。相反,使用强化学习,人类的学习过程通过研究大量的国际象棋游戏来模仿[
此外,一年前还发布了一种甚至超过AlphaZero的算法。2019年11月19日,DeepMind推出了基于强化学习的最新算法MuZero。MuZero算法甚至在最初没有被告知游戏规则的情况下,就学会了比AlphaZero更好地下棋。正如Schrittwieser等人所述,MuZero学习算法在缓冲区中最多保存了100万场象棋比赛,其中3000场比赛是并行进行的[
由于象棋中可能的位置太多,所以没有办法计算到游戏结束前棋盘上的每一个可能的移动。第一个尝试解决至少5到6个棋子的棋局的桌基是由Ken Thompson [
因此,AlphaZero程序只用了4个小时就学会了国际象棋,这是非常了不起的。然而,在现实世界中,这些规则很少为人所知。因此,新的MuZero算法能够在不接受这些规则的情况下与AlphaZero下棋,这就更加引人注目了。后来,甚至像Leela Chess Zero这样的开源引擎也达到了MuZero的水平,甚至超过了MuZero。这是通过计算机能力和对世界各地大量志愿者提供的源代码的改进而实现的[
很长一段时间以来,人们一直认为人们会使用人工智能来学习如何更好地下国际象棋,但现在,考虑到他们的比赛历史,人工智能已经成功地用于检测一些选手是否比他们应有的水平下得更好。不过,这些作弊检测机制本身也存在一些争议。
正如国际棋联2014年发布的《反作弊指南》中提到的,在大多数情况下,手持金属探测器足以确保电子设备没有被带入比赛场地,为机载游戏提供作弊保护。然而,对于在线象棋游戏,作弊检测被证明要困难得多。来自55个欧洲联盟的近4000名玩家报名参加了2020年5月举行的欧洲在线国际象棋锦标赛,这是官方国际象棋锦标赛的创纪录人数。欧洲在线锦标赛B组(评分1400-1700)前6名中有5人被取消资格。总共有80多名选手在所有组别中被取消资格,约占选手总数的2%,其中大多数来自初学者或青少年组别。首届欧洲在线国际象棋锦标赛被取消参赛资格,这凸显了在线国际象棋面临的最大挑战:作弊。
最近,包括开发MuZero的DeepMind在内的多家软件公司一直在努力改进现有的作弊检测软件,甚至开发全新的软件,能够几乎100%准确地估计玩家是否作弊。例如,在Chess.com上,一个作弊检测系统使用存储在其数据库中的数百万国际象棋游戏来创建一个统计模型,以评估人类玩家与引擎的顶级选择相匹配,甚至超越历史上一些最伟大的国际象棋玩家的游戏的低概率。所有可能的作弊报告都由一个专家小组仔细分析。调查结果每月都会在网站的“月度回顾”中公布。
在此期间玩的大多数游戏都是快速象棋,而每个玩家玩更长的象棋游戏将会是一个更大的问题,因为将会有更多的时间用于可能被禁止的电子辅助。国际棋联已经批准了一种复杂的作弊检测技术和一种用于国际棋联在线竞技游戏的人工智能行为跟踪模块。这些在线比赛以前被认为与机上比赛是分开的,但在最近的大流行背景下,线下和线上的区别已经缩小,许多正式比赛历史上首次在网上进行。
关于在线游戏和欺诈检测,有一些敏感的问题需要考虑。首先,一个不作弊的玩家有可能被归类为作弊者。这显然会给这样一个棋手的职业生涯带来严重的问题。对一个棋手进行这种类型的分析是很困难的,但是在官方在线比赛中玩了几局之后,这些程序可以很容易地识别出正常棋局和使用象棋引擎的棋局之间不太可能的差异。
尝试每次都使用象棋引擎去完美地玩游戏也是不合理的;这也很容易发现,因为玩家排名第一,在这种情况下,游戏可以由人类专家进行评估。因此,对于那些有时依靠自己的决定,有时使用象棋引擎而导致下棋波动的人,基于人工智能的新型作弊检测软件可以很好地检测出这一点,其速度和准确性要比人类裁判高得多。所有可疑的欺诈案件在公布之前都会由该领域的专家小组逐一检查。
该软件使用一种特殊的算法来检测特定棋手不太可能的棋路。为了抓住所谓的作弊者,该软件评估特定棋手的一组棋局(最好至少是几百个,但分析也可以只对少数几局棋局有效),并将其转换为个人表现评级。这有助于使用基于聚类的机器学习算法来确定不合理的移动,结果是一个表明作弊的标志列表。当然,当训练集中某一特定棋手的棋局数较多时,程序的准确率也会较高。
欺骗检测算法必须谨慎地应用于顶级玩家,因为无论何时他们中的一个人做出了一个新奇的举动,它都可能触发欺诈信号。不过,我们可以假设,世界上最好的球员不会为了一场比赛而拿自己的声誉冒险。人们认为练习国际象棋会培养出某些与公平相关的内在品质,这可能就是为什么大多数表演国际象棋选手从不作弊的原因。然而,在线国际象棋越来越受欢迎,特别是在最近几个月,导致越来越多完全不了解国际象棋世界的人试图赢得大型在线比赛,其中一些人试图使用国际象棋引擎来比他们在棋盘上玩得更好。
对于人工智能领域的进步来说,重要的是我们可以衡量机器学习算法的任何突破,例如,通过使用它们的国际象棋引擎。换句话说,可以说国际象棋是人工智能的战场,因为它是测试人类直觉和庞大计算能力之间战斗的完美方式。由于战略游戏的复杂但定义明确,它们已被证明是测试人工智能任何进展的完美环境。
在当今的国际象棋比赛中,与其他在线玩家竞争的比例比以往任何时候都要大,因此,国际象棋玩家和开发作弊检测软件的公司都更加重视在线公平竞争,这也就不足为奇了。
欺骗检测软件早在COVID-19大流行之前就已经用于重要的机载游戏,但这段被迫数字化的时期意味着欺骗检测软件的实施已经大规模进行,即使是娱乐游戏。
我们已经找到了一个关于国际象棋娱乐价值的基本问题:人们真正想看的是什么?是在有时会出错的棋手之间玩的国际象棋游戏(这可能是最有趣和最有教育意义的部分),还是由漂亮但完美得令人痛苦的国际象棋引擎玩的游戏?此外,我们如何评估象棋游戏的娱乐价值或教育力量?分析象棋中的美是什么是很重要的。目前,国际象棋图表中的美感检测算法正在开发中,但这是一个需要在未来的论文中解决的主题。
国际象棋联合会
没有宣布。