XiaoMi-AI文件搜索系统
World File Search SystemCHESS
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。
alphazero中计划能力的限制-CCN 2024
Glickman，M。E.和Jones，A。C.（1999）。评估国际象棋评级系统。Chance-Berlin，然后是纽约，12，21-28。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。 （2018）。 可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。 在国际机器学习会议上（pp。） 2668–2677）。 Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。（2018）。可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。在国际机器学习会议上（pp。2668–2677）。Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Lee，S。（2000）。非负矩阵因子化算法。nips。McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。McGrath，T.，Kapishnikov，A.。。Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kramnik，V。（2022）。在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。在Alphazero中获得国际象棋知识。国家科学院的会议记录，119（47），E2206625119。Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。（2018）。一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。Sci-Ence，362（6419），1140–1144。Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。。。其他人（2017年）。掌握没有人类知识的Go的游戏。自然，550（7676），354–359。Steingrimsson，H。（2021）。国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。在2021年IEEE游戏会议（COG）会议（pp。1–8）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。ARXIV预印ARXIV：2206.10498。（2023）。大型语言模型仍然无法计划（LLMS的基准计划和推理有关变更的理由）。van Opheusden，B.，Kuperwajs，I.，Galbiati，G.，Bnaya，Z.，Li，Y。，＆Ma，W。J.专业知识增加了人类游戏玩法的计划深度。自然，618（7967），1000–1005。
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/g:\will\search\icon\source\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。
“印度的人工智能与法律”
1 人工智能，ENG. OXFORD LIVING DICTIONARIES，https://en.oxforddictionaries.com/definition/artificial_intelligence [https://perma.cc/WF9V-YM7C]（最后访问时间为 2023 年 12 月 26 日）；参见 STUART J. RUSSELL 和 PETER NORVIG，人工智能：一种现代方法 1（第 3 版，2010 年）。2 RUSSELL & NORVIG，上文注 4，第 1 页。在本次讨论中，我们先把关于人类“智能”是什么或应如何定义这个词的多种多样的观点放在一边。3 同上，第 1 页，21 页。4 JM Unterrainer 等人，规划能力和国际象棋：伦敦塔任务中国际象棋和非国际象棋玩家的比较，97 BRIT。 J. PSYCHOL. 299, 299–300, 302 (2006)。8. RUSSELL & NORVIG，上文注4，第21页。5 Shunichi Doi，基于人类行为特征的驾驶支持系统的技术开发，30 IATSS RES. 19, 20–21 (2006)。
