csc.ncsu.edu

이 이메일 도메인이 관측된 논문 1건

arXiv:2610.07640v1cs.AI

해석 가능한 체스 전술의 자동 합성을 향하여

Towards the Automatic Synthesis of Interpretable Chess Tactics

최첨단 강화학습(reinforcement learning) 에이전트들은 체스, 바둑, 스타크래프트 II와 같은 게임에서 인간 전문가를 능가하는 성능을 보입니다. 이러한 에이전트들은 인간보다 더 빠르게 반응하고 계산할 수 있는 디지털 하드웨어의 이점만을 취하는 것이 아니라, 더 많은 승리로 이어지는 우수한 전략을 사용합니다. 이러한 전략을 해석하는 것은 인간 플레이어에게 경기력을 향상시키는 방법에 대한 가치 있는 통찰을 제공할 수 있습니다. 본 예비 연구에서는 체스 플레이를 위한 기호 기반 하위 정책(sub-policy) 모델을 제안합니다. 체스 전술에서 영감을 얻은 본 모델은 해석 가능성을 개선하기 위해 도메인 지식을 통합하고자 합니다. 저자들은 PAL이라는 귀납 논리 프로그래밍(inductive logic programming) 시스템이 학습한 패턴을 변형하여 모델을 도출합니다. 또한 무작위 기준선(baseline) 대비 모델을 평가하기 위한 발산(divergence) 메트릭을 제시하며, 인간 초보자와 유사한 경기 수준의 수를 제안할 수 있는 전술 집합을 발견합니다. 마지막으로, 상용 엔진을 본 모델로 증강함으로써 모델에 대한 계산적 평가 체계를 제안합니다.