После системных проигрышей Каспарова шахматы сегодня - это решенная задача.
Она решена экстенсивно. Мощностей дата-центров хватило чтоб закидать шапками любого
гроссмейстера.

Нейросети - мало применимы. А если ставить задачу - побеждать человека - то нужна идеальная оценочная
функция для позиции. И эту самую функцию нельзя создать в вакууме. Надо знать конкретного человека
против которого играете.

Поэтому ничего нового под них написать уже нельзя.

Лучше обратить внимание на другие настольные игры. Или вообще на любые игры. Где есть 2 и более игрока.

Мы в топике не для того чтобы кидаться словами. Шахматная задача в общем виде
была решена без вовлечения НС. Ее можно очень сильно притянуть за уши через
функцию оценки позиции.

Но если ты глубоко в теме - давай. Рассказывай автору как и что там является обучающей
выборкой. Что контрольной. Какой тип сети надо выбрать. Сколько слоёв и топологию.

Я в топкие топлю за упрощение постановки а мемберы вбрасывают по принципу

зачем просто когда можно сложно?!

Альфа-Зеро специально создавалась чтоб победить комбинаторную сложность "Го".

А шахматы тут непричем. Они были побеждены еще в том далеком 1997м году.

Вы взяли на себя роль помощника автора топика?
Я честно говоря ожидаю вопросов с его стороны.

Да я - пушистый кот.

По поводу предполагаемой перспективности - это еще раз в пользу - "зачем просто когда можно сложно?!"

Нейросеть ресурсоемче в плане фазы обучения. Обучение сложно. Его может сделать только эксперт в данных.
Если вы подсунете системе плохие данные - вы получите плохую обучаемость. Если вы неправильно настроете
скорость обучения вы получите либо медленно обучающуюся систему. Будете ждать годы. Либо получите
колебательный процесс в коэффициентах если захотите сильно большой скорости. И не сможете выйти
на ожидаемую точность.

В отличие от классических альфабет и поисков в глубину которые работают "сразу". Нейросеть потребует
человека. Специалиста который поможет вам сделать начальную настройку.

Это как детектор лжи. Или полиграф. Он вообще никогда не работает без человека. Человека вы будете вовлекать
в любой процесс внесения изменений в эту систему. И будете ему платить по ценам более высоким чем почасовая
цена программиста. Специалистов по нейро-сетям на порядки меньше чем программистов. И стоят эти люди точно дороже.

Это то о чем никогда не расскажут на семинарах по ИИ и НС.

Кроме того что у НС сильнее обобщение - у нее слабее память. НС помнит меньше отдельных дискретных образов
чем занимаемая ею память. Для сети хемминга или хопфилда (я не помню уж точно) там есть даже формула расчета.
Сколько образов хопфилд в состоянии охватить.

Тоесть если вы хотите загнать в НС эталонную выборку шахматных партий Фишера - вас ждет неприятный сюрприз.
НС не запомнит каждую из них в отдельности.

Я не знаю что такое "100 эло" и я не могу комментировать эту статью. Хотя идея игры сети против себя - согласен интересная
идея. Но я еще раз подчеркну что классическая логика поиска в глубину была невозможна для игры в шашки Го.
Шашки просто-бы зависли и параллелизм-бы не помог в особенности в тех задачах где есть взрывной (комбинаторный)
уроветь complexity. И в этом случае поиск альтернативных решений - да интересен.

Но поскольку тема топика - Программирование я больше не хочу трепать языком. Я хочу слышать алгоритмы
и видеть исходники.

А пока-что мы читаем репосты с википедии. Мне это не интересно. Мне не за что зацепиться.

Хорошо. Давайте обсуждать исходный код Leela Chess Zero.

Шахматы испаханы вдоль и поперек. Давайте решать "Го"

Бот против бота.