Лаборатория Google DeepMind обучила модель для генерации красивых шахматных задач, в которых есть необычные позиции и ходы. Исследователи хотели выйти за рамки типовых решений для начинающих.
На первом этапе нейросеть обучили на датасете из 4,4 млн задач из коллекции Lichess. Это позволило получить базовую модель, которая понимает принцип шахматных головоломок и может сгенерировать что-то очевидное.
После этого модель дообучили создавать интересные и уникальные задачи. Для этого разработчики сотрудничали с гроссмейстерами Мэттью Садлером и Джонатаном Левиттом. Они подобрали список необычных головоломок и подробно описали, что делает их примечательными.
Сгенерированные задачи оценивали по четырём критериям:
-
Уникальность. В головоломке должно быть одно решение, а не несколько равнозначных.
-
Новизна. Задача должна значительно отличаться по набору фигур и решению от того, что уже есть в датасете. Этот показатель оценивали с помощью расстояния Левенштейна.
-
Контринтуитивность. Поверхностный и глубокий анализ решения должны создавать разное впечатление о головоломке.
-
Эстетика. У задачи должно быть красивое решение, необычное или редкое расположение фигур.
Контринтуитивность головоломок, сгенерированных с помощью первой версии модели (которую обучали на данных c Lichess), была на уровне ~0,22%. После файнтюнинга показатель поднялся до 2,5%. Для сравнения, контринтуитивность задач на Lichess от людей составляет 2,1%.
Также для анализа полученных задач пригласили группу из восьми шахматистов с 2000-2400 эло. Их оценки в среднем превзошли оценки головоломок на Lichess. Мнение приглашённых шахматистов опубликовали в отдельном буклете.
Сгенерированные задачи опубликовали в специальной подборке на Chess.com.
Автор: daniilshat
