XiaoMi-AI文件搜索系统
World File Search System国际象棋
Check Mate：对值得信赖的人工智能进行健全性检查
摘要可解释人工智能 (XAI) 方法试图通过生成解释来阐明复杂机器学习模型的决策过程。然而，对于大多数现实世界数据，没有“基本事实”解释，这使得评估 XAI 方法和模型决策的正确性变得困难。通常，视觉评估或轶事证据是唯一的评估类型。在这项工作中，我们建议使用国际象棋游戏作为“接近基本事实”(NGT) 解释的来源，可以使用各种指标将 XAI 方法与之进行比较，作为“健全性检查”。我们在深度卷积神经网络的实验中演示了这个过程，我们向该网络应用了一系列常用的 XAI 方法。作为我们的主要贡献，我们发布了 3000 万个国际象棋位置的数据集及其 NGT 解释，供 XAI 研究免费使用。
![arxiv：2409.06477v1 [cs.ai] 10月10日2024](/simg/5\51881e19b1c231226c62f3bfdc4913e4d918c1d2.webp)
arxiv：2409.06477v1 [cs.ai] 10月10日2024
4有关最新实施大师级国际象棋程序的示例，而无需搜索，请参见Ruoss等。[RDM24]。此实现使用了大型（270 M参数）训练有素的神经网络位置评估器，并且非常适合在MPC-MC体系结构中使用；请参阅第4节。5用RL术语，我们可以将Q（x，u）视为对（x，u）的Q因子。我们采用了较小的Q因子对应于更好移动的惯例。6对于某些发动机，E（x）的公式并非严格正确，因为修剪了X的某些法律移动，因此定义E（x）的最小化是近似的。7一些国际象棋引擎并非真正没有记忆。例如，他们构建了评估位置的哈希表，这些位置是从一个动作到另一个游戏过程中的下一个。发动机记忆对MPC-MC性能的影响是一个尚未完全评估的复杂问题。
印度在全球AI种族中：
IBM深蓝色：IBM的棋手超级计算机AI在1990年代后期击败了国际象棋大师加里·卡斯帕罗夫（Garry Kasparov），通过分析董事会上的作品并预测每一步的可能结果。
阻碍人工智能的游戏
Steven J. Brams，纽约大学 摘要 Catch-Up 是一个简单的 2 人顺序游戏，其中一个玩家 (A) 首先从自然数集合 {1, 2, 3, …, n } 中选择一个数字。然后另一个玩家 (B) 选择一个或多个数字，其和等于或略大于 A 的数字。然后玩家轮流选择数字，不重复，这样他们的和在每一轮中等于或略大于对手的和——直到所有数字都被选出——最终一个玩家的和等于或超过对手的和，使其成为平局或绝对赢家。与国际象棋或围棋不同，没有发现任何 AI（人工智能）或深度学习程序能够在 Catch-Up 中持续击败对手——比如说，90% 或更多的时间——对手在每一轮中随机选择数字，而在国际象棋或围棋中随机移动将是灾难性的。人工智能在其最强的领域——计算和学习——遇到对手了吗？ 1. 简介