Mengapa gerakan catur dapat meningkatkan peluang untuk menang, menurut komputer?

Saat menonton piala Sinquefield di http://grandchesstour.org/ , dimungkinkan untuk mencoba berbagai gerakan, dan melihat bagaimana komputer mengevaluasi pendirian setelah gerakan yang Anda sarankan.

Sekarang, sebagian besar gerakan akan merusak posisi Anda, jika tidak dianggap sebagai langkah terbaik oleh komputer. Tetapi untuk beberapa gerakan (cukup sering) Anda secara instan mendapatkan peluang menang yang lebih besar, mungkin setengah bidak keuntungan. Saya tidak mengerti ini: Jika satu gerakan memiliki potensi untuk meningkatkan posisi pemain secara signifikan, haruskah ini tidak tercermin dalam posisi saat ini sebelum pindah? Dalam pikiran saya, setiap gerakan yang tidak dianggap sebagai gerakan terbaik oleh komputer, harus mengarah pada posisi yang terganggu, sedangkan langkah terbaik seharusnya hanya mempertahankan posisi berdiri, tidak benar-benar meningkatkan posisi pemain. Karena, jika komputer tahu langkah ini akan meningkatkan posisi pemain, maka seharusnya sudah pada posisi saat ini meningkatkan posisi pemain, dengan mengatakan bahwa "dengan permainan terbaik, Anda setengah bidak"?

Hmm, atau mungkin ini hanya hasil dari bagaimana situs web diimplementasikan di grandchesstour.org?

Jika komputer mampu mengevaluasi setiap lini permainan sampai akhir permainan, evaluasi tidak akan pernah berubah. Memang, evaluasi setiap langkah akan berupa "menang", "kalah" atau "seri". Ini pada dasarnya adalah apa yang terjadi di tabulasi endgame. ^* Jika komputer dapat melakukan ini untuk setiap posisi, setiap pertandingan melawan komputer akan terdiri dari komputer baik mengundurkan diri tanpa bergerak, menawarkan Anda hasil imbang di posisi awal atau jengkel karena Anda belum mengundurkan diri atau menerima tawaran pengundian tersebut.

Namun, komputer tidak dapat mengevaluasi sejauh itu karena akan memakan waktu yang sangat lama, baik karena permainan bisa sangat panjang (ratusan gerakan, pada prinsipnya) dan karena ada banyak kemungkinan di setiap gerakan. Jadi, komputer harus mengambil sejumlah cara pintas. Ini termasuk mencoba untuk mencari tahu dengan cepat apa langkah kandidat yang paling penting (mengambil bagian yang tidak terlindungi mungkin merupakan langkah yang bagus; menggantung ratu Anda mungkin langkah yang mengerikan; ...) dan juga menghentikan pencarian setelah beberapa gerakan dan menggunakan beberapa heuristik alih-alih mencari lebih banyak untuk mencoba mencari tahu apakah posisi yang dihasilkan terlihat bagus atau tidak.

Masalahnya adalah pintasan ini bisa salah. Komputer mungkin memutuskan bahwa menggantung sepotong itu buruk ketika itu sebenarnya adalah pengorbanan jenius. Mungkin memutuskan bahwa suatu posisi telah stabil ketika benar-benar tidak. Mungkin saja tidak memiliki kekuatan yang cukup untuk melihat cukup jauh ke masa depan untuk melihat titik sebenarnya dari suatu gerakan tertentu.

Berikut ini contoh sederhana, meskipun tidak lagi sangat realistis. Misalkan Anda akan melakukan skakmat tetapi saya memiliki serangkaian sepuluh cek yang dapat saya buat untuk menunda Anda. Jika saya hanya melihat sepuluh gerakan di muka, saya akan berpikir saya baik-baik saja: mungkin saya bahkan bidak, jadi evaluasi saya adalah "Setelah sepuluh langkah, saya masih bidak, jadi saya baik Skor +1 "Saya memainkan cek pertama saya, Anda merespons, dan sekarang saya melihat bahwa itu adalah pasangan dalam sepuluh dan mengundurkan diri. Inilah yang disebut "efek cakrawala" yang coba dihindari oleh program modern (misalnya, dengan melihat lebih dalam di sepanjang garis yang memiliki banyak gerakan paksa) tetapi menggambarkan prinsip umum.

Jika mesin dapat melihat, katakanlah, sepuluh bergerak ke masa depan, maka ia melihat lebih jauh ke dalam permainan saat setiap gerakan dilakukan. Pada posisi awal, ia dapat melihat seperti apa bentuk papan pada langkah 10; setelah satu gerakan, dapat melihat untuk bergerak 11 dan seterusnya. (Sekali lagi, ini adalah penyederhanaan, karena komputer tidak, hari ini, mencari jarak tetap ke masa depan, tetapi itu memberi Anda ide umum.)

Contoh yang Anda berikan hanyalah versi yang kurang dramatis dari contoh yang saya berikan. Semakin banyak gerakan yang dilakukan, komputer dapat melihat lebih dalam ke dalam permainan, sehingga dapat memberikan evaluasi yang lebih akurat. Cara lain untuk melihat ini adalah dalam hal informasi: karena semakin banyak gerakan dimainkan, komputer memiliki lebih banyak informasi. Dulu bisa menebak tentang apa tanggapan Anda terhadap 1.e4 nantinya, tetapi sekarang ia tahu bahwa Anda telah memainkan Sisilia, dan sebagainya.

^* Ada sedikit nuansa di sini bahwa Anda sebenarnya perlu menghitung jumlah gerakan untuk menang untuk menghindari posisi berulang. Sebagai contoh, perhatikan endgame KQ vs K. Setiap gerakan yang tidak membuat kebuntuan atau menyerahkan ratu menang, jadi Anda memerlukan mekanisme untuk mengemudi menuju skakmat, daripada hanya bergerak secara acak dan berkata, "Wow, saya benar-benar akan pergi untuk memenangkan ini - hampir setiap gerakan menang! "

Tidak ada ketidakkonsistenan. Saat Anda bergerak, komputer tidak lagi harus mencari posisi sebelumnya. Sekarang dapat memfokuskan semua kekuatan pemrosesan ke posisi baru, dan dengan demikian evaluasi dapat berubah. Pohon permainan bisa sangat berbeda.

Ini seperti cara kami bermain catur.