“Improv Chess”는 참가자들이 투기 적 생각과 Shneiderman이 프론티어 사고라고 부르는 것을 고무하는 게임 토너먼트에 대한 아이디어입니다. 기억 된 순서에 의존하거나 가중치 및 사전 분석을 신중하게 다룬 대신이 형식을 사용하면 지식과 아이디어를 확장하고 함의와 자산을 발견해야합니다.
체스 토너먼트에서 작동하는 방식 (또는 Go, 주사위 놀이, 체커 또는 다른 유형의 게임으로 대체 할 수 있음)은 체스 게임을 할 준비가되었음을 나타냅니다.
토너먼트 주최자는 미리 만나서 비틀기를 선택합니다. 그들은 규칙의 작은 변화를 확인하지만 토너먼트가 시작되기 전까지는 변경 사항을 발표하지 않습니다.
어떤 변화가 있었습니까? 폰이 더 이상 두 칸을 뛰어 넘지 않아도 될 수 있습니다. 단 하나의 이동 만 할 수 있습니다. 또는 추가 루크는 기사를 대체 할 것입니다. 또는 왕이 사라지고 빈 사각형을 남기고 여왕이 더욱 중앙에 오르게됩니다. 상대방의 여왕을 붙잡음으로써 승리 할 수 있습니다. 또는 D4와 같이 중간에 사각형이 있으면 조각을 차지할 수 없습니다.
그게 전부 야. 막판 규칙 변경. 그리고 갑자기, 기계 학습 시스템이 스스로하는 게임의 수백만 건은 부적합하게됩니다. 중요한 것은 한계, 기회 및 새로운 전략에 대한 즉각적인 인식입니다. 형식은 이전의 사례를 편집하는 것보다 적응과 발견을 선호한다.
사실, Bobby Fischer는 자신 만의 혁신적인 체스 게임 인 피셔 랜덤 체스 (Fischer Random Chess)를 개발했습니다. Fischer의 계획은 많은 체스를 암기해야한다는 요구를 없애기 위해 고안되었습니다.
Fischer Random Chess는 그들이 보통있는 곳에서 폰을 떠납니다. 나머지 흰색 조각은 여전히 1 순위에 있지만 몇 가지 제약 조건이있어 무작위로 배치됩니다. 주교는 여전히 반대쪽에있는 사각형에 있습니다. 하얀 왕은 두 개의 흰 떼 사이 어딘가에 가야합니다. 검은 색 조각은 흰 조각을 비 춥니 다.
Fischer Random Chess는 Improv Chess와 같은 종류의 스크램블링을 구현하며 구현하기가 훨씬 쉽습니다. 그러나 피셔 랜덤 체스 (Fischer Random Chess)는 주로 출입구와 관련이 있으며, Improv Chess는 예를 들어 D4 광장을 차지할 수 없거나 왕이 연극에서 벗어나는 경우 전체 게임에서 공감할 수 있습니다.
Improv 형식의 또 다른 장점은 Go와 주사위 놀이와 같은 초기 위치가없는 게임을 포함하여 다른 게임과 함께 사용할 수 있다는 점입니다. Improv 형식은 AlpsZero (Campbell, 2018, Silver et al., 2018)와 같은 디지털 신기능을 보완하는 역할을 할 수 있습니다.이 게임은 체스, 쇼기, 고 (Go) 등 모든 게임에 대해 스스로를 가르 칠 수 있습니다.
Ben Shneiderman은 각 조각의 ID와 위치를 명확하게 태그 지정하는 대신 보드 게임을 더 모호하게 만드는 몇 가지 형식을 제안했습니다. 예를 들어 임의의 순간에 임의로 한 곡을 다른 곡으로 임의로 변경할 수 있습니다. 나는이 아이디어를 좋아한다. 관리 컴퓨터를 사용하여 게임에서 무작위로 조각을 대체 할 수있다. 물론 조각 대체는 합법적이어야합니다. 그것들은 또한 대칭 적이기 때문에 두 선수 모두 동일한 포인트 레벨 대체가 동시에 이루어질 것입니다. 이러한 절차를 통해 게임 전체를 가장 잘 적응할 수있는 빠른 지혜로운 팀을 만들기 위해 게임을 진짜 스크램블로 바꿀 수 있습니다.
벤은 또한 각 플레이어에 대해 4 분의 1의 보드를 사용하도록 제안했기 때문에 다른 플레이어는 불완전한 지식을 갖게되었습니다. 그 절차는 게임에 불확실성을 주입 할 것입니다. 그것은 체스의 변종 인 게임 Kriegspiel과 비슷합니다. Kriegspiel에서, 나는 적을 공격하지만 우리 둘 다 다른 사람이 움직이는 곳을 보지 못합니다. 우리는 각각 체스 보드를 가지고 있으며, 우리는 우리 자신의 조각을 움직입니다. 심판은 우리 둘을 지켜보고 마스터 보드에 각 이동을 입력합니다. 심판은 선수에게 불법 이동을했는지 또는 포획을했는지 알려줍니다. 누군가가 수표 장이 이기기 전까지 게임은 계속됩니다. 이 게임은 수십 년 전 RAND Corporation에서 다소 인기가있었습니다. 어떤 사람들은 좌절감에 차 있었고 그것은 단지 무작위 적이라고했습니다. 다른 이들은 실제 전략이 있다고 말했는데, 그들은 전형적으로 그들의 경기에서 승리 한 전략이었습니다. Kriegspiel은 병참적으로 한계가 있습니다 : 더 많은 공간과 장비 (3 개의 보드)와 심판의 서비스가 필요합니다.
하나의 Improv 토너먼트 규칙은 참가자들이 랩톱을 가져올 수 있지만 새로운 규칙을 익히는 데 수 백만 번 빠르게 영향을 줄 수있는 슈퍼 컴퓨터에 연결할 수 없도록해야합니다. 랩톱 자체는 이러한 유형의 기계 학습에 종사하는 것을 금지됩니다.
이 규정의 이유는 기계 학습이 현재 배포하는 상관 추론 대신 Improv 형식으로 개념 이해와 원인 추론을 강조하기 위해서입니다.
가장 강력한 기계 학습 접근법 중 일부는 딥 학습 (Deep Learning)으로 일반적으로 설명되는 다중 레이어가있는 신경망을 사용하여 패턴을 분류하는 통계 기법에 의존합니다. 이들은 Go 및 기타 활동을위한 음성 인식, 이미지 인식, 언어 번역 및 게임 플레이의 획기적인 진보를 담당하는 접근 방식입니다. 따라서 성취를 부정하는 것은 아닙니다. 그러나 마커스 (Marcus, 2018)가 지적했듯이, “깊은”은 더 많은 추상 층을 의미하는 것이 아니라 많은 층을 의미합니다. 마커스 (Marcus)는 아타리 게임 “브레이크 아웃 (Breakout)”의 예를 사용합니다.이 게임은 약 4 시간 만에 시스템에서 해결됩니다. 시스템은 벽돌 벽을 통과하는 터널을 파는 법을 배웁니다. 그러나 시스템은 터널이 무엇인지 벽이 무엇인지 전혀 알지 못합니다. 그리고 인공 지능 연구원들이 외륜의 높이를 움직이거나 벽의 중간 화면을 삽입하는 것과 같이 약간의 혼란을 야기 할 때 AI 시스템은 실패합니다. 그들은 적응력이 없습니다. 현재의 최신 기술은 Improv 체스를 처리 할 수 없습니다.
아마도 Improv 형식의 사용은 인간에게 이점을 줄 것입니다. 아마도 그것은 컴퓨터 과학자들이 상식 추론과 개념적 진단을 자신의 시스템에 추가하려는 그들의 탐구를 더욱 촉진하도록 장려 할 것입니다. 그럼에도 불구하고, 나는 Improv 형식을 현재 간과되고있는 투기 적 사고와 프론티어 사고와 같은 지능적인 기능을 축하하고 강화하는 수단으로 생각합니다.
참고 문헌
Campbell, M. (2018). 마스터 링 보드 게임. Science, 362, 1118
Marcus, G. (2018). 깊은 학습 : 중요한 평가. arXiv preprint arXiv : 1801,00631, 2018 – arxiv.org.
은, D., Hubert, T., Schrittwieser, J., Antonoglou, I., Lai, M., Guez, A., Lanctot, M., Sifre, L., Kumaran, D., Graepel, Lillicrap, T., Simonyan, K., & Hassabis, D. (2018). 체스, 쇼기, 셀프 플레이를 마스터하는 일반 보강 학습 알고리즘. Science, 362, 1140-1144.
