Ответ очевиден, играя сама с собой альфа смогла обобщить результаты партий вычленить важные факторы и научилась оценивать позицию значительно лучше чем обычные движки и даже лучше гроссов.

дабы отличить понимание от счёта надо посмотреть на стартовую скалярную оценку позиции альфой...

Где такие данные? Лучше гроссов...

Как Вы собрались отличать понимание от расчета?
(В который раз задаю этот вопрос)

Я опираюсь на мнение гроссов которые с ней работали

вижу очень сильные ходы Альфы, которые по человечески не относятся к пониманию никак. Их нельзя сделать на обычном понимании. А можно сделать только на базе хорошего расчета. Если понимание и было изначально, то только базовое, какие ходы наиболее интересные.

редко, но иногда позиция после некоторого хода может настолько понравиться пониманию, что и считать не стоит заморачиваться и альфа смело прёт ходом вперёд

Лучше бы свое мнение иметь... Это гораздо полезнее...
А то что эти купленные казачки там будут вопить....

Почему я не могу доверять их оценкам?

редко, но иногда позиция после некоторого хода может настолько понравиться пониманию, что и считать не стоит заморачиваться и альфа смело прёт ходом вперёд

Это опять же религиозная мистерия

Президент Туркменистана Гурбангулы Бердымухамедов победил на национальном туркменском чемпионате по программированию. Мероприятие с размахом прошло 16 декабря в столице страны – Ашхабаде.

Изначально, сообщает пресс-служба главы государства, Бердымухамедова на мероприятии не ожидали, однако он решил нанести спонтанный визит. Молодые программисты республики встретили его «громогласными овациями, бесчисленными цветами, подарками, стихами в его честь».

Как отмечается в официальном коммьюнике, Бердымухамедов по причине скромности не хотел участвовать в конкурсе, но организаторы и участники уговорили его на это. В результате президент выиграл с разгромным счётом – он «создал на языке HTML современную нейросеть, которая предсказала Туркменистану процветание и технологическое лидерство».

По информации пресс-службы Бердымухамедова, после победы он «выступил со спонтанной, но обстоятельной и содержательной речью перед молодыми талантами республики». Те в свою очередь «улавливали и записывали в блокноты каждое слово уважаемого Президента». Затем он отбыл заниматься непосредственным руководством страной.

Президент Туркменистана Гурбангулы Бердымухамедов победил...

Подразделение искусственного интеллекта Google DeepMind остается убыточным. В этом году материнская компания списала своей структуре $1,5 млрд долгов.

Британское подразделение Google потеряло почти $680 млн в прошлом году, что соответствует показателям 2018 года.

Google приобрела DeepMind в 2014 году. Доходы подразделения, которые полностью связаны с применением технологии DeepMind в коммерческих проектах Google, выросли на 158% в 2019 году, до $361 млн. При этом, наряду с убытками, административные расходы компании, включая зарплаты персонал и инфраструктуру, выросли на 26%, до $975 млн.

Не идут Альфы стричь народ на бабло

DeepMind AI представила агента искусственного интеллекта MuZero. Его обучили играть в десятки старых видеоигр Atari, шахматы и ​​настольные игры типа Go. В отличие от предшественников, бот самостоятельно вырабатывает для себя правила игры.

MuZero работает на системе ИИ глубокого обучения с подкреплением — техники, в которой многоуровневые нейросети позволяют машинам обучаться новым навыкам методом проб и ошибок, получая «вознаграждение» за успех.

При разработке MuZero использовали программу DQN, которая достигла высокого уровня мастерства в видеоиграх Atari. Также были задействованы:

AlphaGo, программа, которая победила чемпиона Go Ли-Седола со счетом 4:1 в соревновании 2016 года;
AlphaGo Zero, которая превзошла AlphaGo по производительности в 2017 году после обучения с нуля и была ознакомлена только с основными правилами игры;
AlphaZero, которую можно применять не только в Go, но и в шахматах и сёги.

Сообщается, что MuZero оказался немного лучше AlphaZero в игре Go, несмотря на то, что за каждый ход выполнялось меньше вычислений. Бот также превзошел R2D2 — ведущий игровой алгоритм Atari — в 42 из 57 игр, протестированных на старой консоли. Более того, он сделал это после того, как выполнил только половину тренировочных шагов.

Когда создавались первые вычислительные машины, их воспринимали только как дополнение к человеческому разуму. И до недавнего времени так и было. Программисты учили компьютеры играть в шахматы с 1960-х годов. И тогда победа у игрока-новичка уже считалась большим прогрессом. О серьёзных матчах даже не задумывались.

В 1980-х программа Belle достигла рейтинга Эло в 2250 пунктов, что примерно соответствует рейтингу мастера спорта. И с того времени развитие компьютерных шахмат вышло на совершенно новый уровень.

Сначала честь человечества не смог защитить Гарри Каспаров в 1996 году, а сегодня уже создана нейросеть с рейтингом около 5000 Эло, что в разы превосходит даже сильнейших игроков.

Сегодня разберёмся, как работают шахматные алгоритмы и почему нейросеть Alpha Zero думает практически так же, как человек, только лучше.

В 2017 году компания Deep Mind объявила о создании нейросети Alpha Zero. Тестировать её решили на трёх самых популярных стратегических настольных играх: шахматы, го и сёги.

Обучение и подготовка нейросети отличаются от классических компьютерных движков.

Stockfish и другие движки используют для своей работы существующие дебютные базы и анализ позиций огромного количества сыгранных партий.

Alpha Zero не использует ничего, кроме правил. Ей просто дали стартовую позицию, объяснили, как ходят фигуры, и цель игры – поставить мат сопернику. И всё.

За 24 часа игры с самой собой нейросеть смогла достичь сверхчеловеческого уровня игры и по сути изобрести заново всю шахматную теорию, которую человечество по крупицам разрабатывало веками.

В декабре 2018 года Alpha Zero во второй раз сразилась с самой последней версией движка Stockfish.

Исследователи провели 1000 партий с контролем 3 часа на партию плюс 15 секунд на ход. Alpha Zero одержала уверенную победу, выиграв в 155 партиях, сыграв вничью 839 партий и проиграв только 6.

Более того, Alpha Zero одерживала победу даже в партиях с форой по времени на обдумывание. Имея в 10 раз меньше времени, чем у противника, нейросеть всё равно победила в суммарном итоге. Только 30-кратная фора во времени смогла уравнять шансы и дать Stockfish примерно равную игру – 3 часа у движка и всего лишь 6 минут у нейросети.

Alpha Zero анализирует лишь 60 000 позиций в секунду, а тестируемая версия Stockfish – 60 млн. позиций. Для достижения аналогичных результатов анализа нейросети нужно в 1000 раз меньше ресурсов, чем движку.

Секрет успеха – в качественно другом уровне анализа. Нейросеть использует метод Монте-Карло, который высчитывает математическое ожидание комплекса ходов.

However, chess programs using traditional MCTS were much weaker than alpha-beta search programs, (4, 24); while alpha-beta programs based on neural networks have previously been unable to compete with faster, handcrafted evaluation functions.

Если альфа-бета отсечение способно убрать большинство заведомо проигрышных вариантов, то проверять перспективные всё равно нужно механическим перебором, нейросеть сосредоточена на вариантах, которые ведут к улучшению позиции фигур, материальному перевесу, стеснению фигур соперника или созданию комплексных угроз, включающих матовые атаки.

И, что гораздо более важно, при оценке ситуации Alpha Zero учитывает стратегическую позицию.

Позиционная игра – это то, что отличает нейросеть от классического шахматного движка. Ведь она подразумевает длительные игровые планы, которые часто превышают вычислительные возможности машин.

Тем не менее нейросеть умеет играть позиционно не хуже человека и при этом идеально играет тактические позиции, где преимущество достигается в течение 5 или меньше ходов.

Более того, нейросеть уже помогла найти теоретикам шахмат целый ряд неочевидных, но при этом очень сильных разветвлений дебютов, которые никогда не рассматривали ранее.

Многие теоретики считают, что благодаря шахматным компьютерам повысился и средний рейтинг топовых шахматистов. Ведь современные тренировки включают глубокую проработку компьютерных вариантов и разбора партий движками. Средний рейтинг ведущих топ-100 шахматистов в 2000 году составлял 2644 пункта Эло, а в январе 2021 года – 2715. За 20 лет среднее значение увеличилось на 71 пункт.

Сегодня человек уже не способен соревноваться с компьютером в шахматах. Нейросеть вобрала в себя все преимущества человеческого шахматного мышления, но при этом лишена его недостатков.

Она умеет мыслить позиционно и при этом не допускает зевков и ошибок. И самое интересное в этом ситуации – шахматы для Alpha Zero являются только тестировочным полигоном, где система оттачивает навыки работы. Реальные же её цели Google не раскрывает. Поэтому здесь может быть всё что угодно: от анализа изменений климатической ситуации до создания системы идеально персонифицированной рекламы. А как вы считаете, для чего создают настолько мощную нейросеть?

Можно наколотить эту базу человеками, а можно 5000 GPU. GPU быстрее.

Если идеальный тактический счет, но никакой "иксперд" не отличит "позиционную игру" от счета

только альфа сделала это быстрее и лучше человека.

Альфа сама продукт человека.

А человек продукт эволюции нуклеиновых кислот

Вы мешаете гипотезы с фактами.

Мешать с этим железобетонным фактом росказни эволюционых фанатиков

Получается, что и альфа и человек продукты эволюции, вот и сравниваем.