Leela Chess Zero (lc0): турниры, партии, рейтинги...

Он состоится, т. к. вряд ли Stockfish проиграет Chiron-у

 

Думаю, что даже если Лила в этом TCEC дойдет до полуфинала и сыграет со Стокфиш, то не стоит ожидать от этой версии сети больших чудес. Объективно Стокфиш пока посильнее, хотя некоторый шанс и у этой сети Лилы есть. Если хорошо натренировать сети 20x поколения, то я думаю, через считанные месяцы может появиться сеть Лилы, которая превзойдет Стокфиш по силе.

Дело вот в чем: AlphaZero использовала железо Гугла, так называемыe тензорные процессоры Google (TPU), причем было использовано 5000 TPU, которые вместе сгенерировали 44 миллиона игр всего лишь за 4 часа для обучения AlphaZero. А один TPU имеет вычислительную мощь примерно 10 видеокарт Nvidia GTX 1080 Ti. Так вот, чтобы на одном простом компьютере сгенерировать такое количество игр для обучения, потребуется примерно 1700 лет. У Лилы нет такого железа как у Гугла. Поэтому есть только одна возможность довольно быстро обучить Лилу: совместными усилиями добровольцев, которые указанными ранее способами могут помочь генерировать игры с помощью видеокарты своего компьютера или удаленного сервиса для обучения сетей Лилы. Сейчас согласно официальному сайту за один день благодаря помощи добровольцев генерируется около 1,7 миллионов игр для обучения сетей 20x. И тенденция обучения выглядит хорошо на графике сетей.

 

Если после первого круга ческомовского блиц-турнира казалось, что либо в блиц Лила играет намного лучше, чем в быстрые, либо что новая версия намного сильнее прежней. То во втором круге Лилу вновь обуяла ничейная болезнь - всего 3 победы при 7 ничьих в десяти партиях. В первом круге против этих же соперников было наоборот 7 побед при 3 ничьих.

 

Впечатляющая победа черными над Fire (Эло > 3300) в четвертьфинале TCEC Cup, это игра на мой взгляд впечатляет не меньше, чем известные победы AlphaZero над Stockfish.

 

Позиция, похоже реально сложная для движков. SF видит +4, но оценка выше не идет. Судя по всему, пути к победе не видит, а путь там, возможно, есть (за счет цугцванга). Но это очень сложно считать.

 

Лила применила классическую антикомпьютерную стратегию. В позиции с 16 пешками закрыла один фланг, стянула все силы на другой и катком прошлась.

 

А Fire тем временем зевнул пешку

 

Лила хождением туда-сюда загнала Файр на секунды и тот не выдержал и ошибся.

 

Мне кажется, что обрезание и оценка позиции вместо доигрывания имеет также недостатки. Например,
LC0 — Fire 7.1

Если ли тут вечный шах? В позиция такого рода нужно доигрывать до конца, есть ничья или нет решают варианты, а не оценка позиции. Где-то ничья, где-то есть перекрытие...

—- добавлено: 18 окт 2018 —-

Кстати, прошлый Грюндфельд Fire выиграл, партия может решить исход противостояния

 

А тем временем LC0 зависла в ничейной позиции (White disconnects) за ход до повторения ходов. И... теперь ей надо отыгрываться...

 

Одержав победы в двух последних партиях белыми и черными Лила вышла в полуфинал, где сегодня сразится с монстром Stockfish.

Очень впечатлила последняя победа черными над Fire: так как черные переиграли белых используя идеи цугцванга, а также силу "пешки-колючки", которая сильно стесняла белого короля. Таким образом черные получили лучшую позицию, имея на пешку меньше.

 

Как я и говорил с Файром Лиле играть проще, чем с Этзереалем. Плюс два в матче победила.

А если серьезно, то выигрывать у Файра Лиле действительно проще, но вот проигрывала она неожиданно много.

 

Ну... если бы присудили поражение за disconnect, то результат был бы противоположным...

 

А кто пытается свести задачу к перемножению матриц? Нет такого. Нейронные движки точно также перебор используют, как и алгоритмические. На самом деле вопрос стоит по другому - окупает ли лучшая оценка позиции замедление перебора в 1000 раз. В го ответ однозначен, а в шахматах ответ пока неочевиден.

 

По словам модераторов, остановка в той партии была не из-за Лилы, а из-за проблем с сетью:

Сегодня в партии Гудини - Andscacs тоже похоже сетевые проблемы.

 

Stockfish - LCZero стартовал: http://tcec.chessdom.com/live.html

 

Результат матча оказался закономерным. Белыми Лила в принципе не проигрывает, но переиграть Стокфиш удается редко. В матче 3 ничьи. А вот черными запас прочности у Лилы не велик. Особенно в сомнительных дебютах - староиндийка и какой-то сомнительный Алапин с Фа5 закончились поражениями.

 

Это логично, потому что при обучении позиции из этих дебютов возникают меньше, соответственно на них сеть тренируется тоже меньше.

 

На самом деле староиндийка вероятно не является сомнительным дебютом для Лилы. Это позиция ее типа и, несмотря на то, что Стокфиш показывал 0.9 пешки с раздачи, Лила уверенно уравняла. Но дальше подзевнула. Стокфиш и Комодо показывали, что перед жертвой фигуры нужно промежуточный Фd8 сделать, а Лила сразу пожертвовала и быстро проиграла. То есть тут причина поражения в зевке, а не в дебюте.

А Аляпин с Фа5 с виду просто очень плохой дебют для нейронки. Там у белых сразу мощнейшее давление, черные должны очень точно защищаться от множества угроз. В такой защите нейронка намного слабее алгоритмических движков. Собственно тут Лила просто не вышла из дебюта. Уже на 12 ходу было абсолютно проигранно.

 

Наверное, нейросети намного комфортнее играть, когда дебют один и тот же, в нём набран богатый опыт, особенно с конкретным соперником. А когда дебюты варьируются - ну, это кидалово какое-то.

 

Это не особо важно. Главное, чтобы дебют был корректный. В плохих позициях нейронка защищается хуже, чем алгоритмические движки. Собственно и из человеческого опыта известно, что для такой защиты нужен счет, а не понимание. И то что алгоритмический движок перебирает в тысячи раз больше позиций становится решающим фактором.

 

Вообще принцип самообучения, который после успеха Альфа Го Зеро возвели в фетиш, порочен по сути. Если есть принципиальные проблемы в понимании, то самообучение их выявить не может, т.к. оба соперника такие возможности не видят. Обязательно нужно дообучать нейронные сети в играх с алгоритмическими движками. Это не только позволит нейронке понять в каких позициях она сильнее, а в каких слабее, чем алгоритмические движки. Но и просто сделать нейронную сеть сильнее, т.к. позволит закрыть многие лакуны в понимании.

Другое дело, что в го альтернативы самообучению нет, т.к. люди и алгоритмические движки играют безнадежно слабо. Но в шахматах ситуация совершенно другая.

 

Речь о способе оценки позиции (ноды). Существует два подхода. При первом оценкой занимается достаточно простая функция написанная человеком. Такой подход я называю алгоритмическим. При втором подходе оценкой занимается нейронная сеть.

 

Довольно показательный пример иллюстрирующий проблему самообучения из второй партии матча со Стокфишем:



Эту позицию Лила оценивает +0.85, т.е. шансы белых на победу 12%.

Откуда берется такая оценка? Фигуры черных скованы - король в матовой сетке, ладьи привязаны к восьмой горизонтали. Видя это отвечающие за скованность нейронные связи излучают оптимизм, который и завышает оценку. Что нужно сделать, чтобы оценка стала более адекватной? Поиграть такие позиции, убедиться в их ничейности и нарастить вес связей отвечающих за малофигурность и нивелирующих законы миттельшпиля в эндшпиле. Но как это сделать, когда слабейшая сторона тоже считает подобные позиции опасными для себя и на них просто не идет?

 

Даже строго формально нейронная сеть не является алгоритмом с человеческой точки зрения:

Алгори́тм — набор инструкций, описывающих порядок действий исполнителя для достижения некоторого результата.

Человек не способен воспринимать нейронную сеть как набор инструкций. Нейронная сеть для человека черный ящик в чистом виде.

 

Что там непонятного? Оно объемное, но для понимания простое. А вот нейронные взаимосвязи человек в принципе воспринять не способен.

Термины вводятся для упрощения понимания человеком. Поэтому хорошая терминология разделяет принципиально разные с точки зрения человека вещи. Плохая наоборот сваливает все в кучу.

Мне кажется в виде набора инструкций вы воспринимали не саму нейросеть, а ее структуру.

—- добавлено: 20 окт 2018 —-

Это как раз не проблема. Для тактики перебор вариантов есть. Принципиально важно, чтобы нейронка статику правильно оценивала.