home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #20 / NN_1992_20.iso / spool / comp / ai / neuraln / 3467 < prev    next >
Encoding:
Text File  |  1992-09-11  |  4.4 KB  |  88 lines
  1. Newsgroups: comp.ai.neural-nets
  2. Path: sparky!uunet!usc!wupost!gumby!wmu-coyote!33plato
  3. From: 33plato@sol.cs.wmich.edu (Larry Plato)
  4. Subject: Re: NNs in chess or other games
  5. Message-ID: <1992Sep12.020309.10625@sol.cs.wmich.edu>
  6. Organization: Western Michigan Univ. Comp. Sci. Dept.
  7. References: <18psroINNnek@nestroy.wu-wien.ac.at>
  8. Date: Sat, 12 Sep 1992 02:03:09 GMT
  9. Lines: 77
  10.  
  11. bruhn@uxe.wu-wien.ac.at (Peter Bruhn) writes:
  12.  
  13. >Does anyone of you know something about an application of neural nets
  14. >in strategic games (esp. chess). What I think about is that a NN could
  15. >be trained to evaluate a position or some aspects of a position (e.g.
  16. >the structure of your pawns, how safe is the position of your king,...).
  17.  
  18. >The idea behind is that evaluating a position is (as I see it) closely
  19. >related to pattern-recognition. An experienced human chess player is
  20. >able to identify a position as weak, even though there are no tactical
  21. >dangers to perceive and he/she has not seen the position before. So how
  22. >does he/she know? I think it is due to pattern recognition: He/She has
  23. >seen similiar positions before or has made the experience that a certain
  24. >pawn structure is a weak point. Once a chess master (I don't remember his
  25. >name) was asked how many moves he prefigures in advance and he answered
  26. >"normally: none". Even though this is an exageration, of course, his
  27. >answer shows that it is more important to be able to evaluate a position
  28. >than to prefigure a lot of moves! Interestingly todays chess programs
  29. >take the other way: the use brute force! And this is the reason why
  30. >computers are good in chess, but not in games like Go. In Go there are
  31. >more possibilities and brute force will not work so well. So what I
  32. >think is that we should put more emphasis on the evaluation of positions
  33. >(of a game) rather than on brute force. And maybe NNs could help !?
  34.  
  35. >Any comments are appreciated!
  36.  
  37. >Peter (bruhn@uxe.wu-wien.ac.at)
  38.  
  39.     I wholeheartedly agree.  I am an undergrad at Western Michigan U and
  40. a senior in the CS program taking Neural Nets.  I think a three tiered approach
  41. would be best.  As you mentioned, a complete search of the game space tree
  42. in prohibitive.  So what we do is this...
  43.  
  44. a) a neural net analyses the board and produces a list of 'insightful moves'
  45.    that are worthy of consideration.
  46. b) an expert system could analyse the board based on more traditional
  47.    factors, such as fiancetti, pawn location, freedom of movement of the
  48.    major pieces and territory controlled.
  49. c) a brutre force approach could be applied to the promising moves.
  50.  
  51. to further analyse my ramblings imagine this . . .
  52.  
  53. A traditional program does b) quite well, and a certain amount of a.
  54. this is referred to as pruning, because you 'prune' the game space tree.
  55. The only thing we are doing by adding the neural net is allowing the
  56. 'rouge' element to come to the fore.  The net might see a promising
  57. pattern that a more traditional view would miss.  This is sort of like
  58. a local minima problem.  If you start pruning the tree by some objective
  59. function, then you will find a local minima (eg a good solution) but you may
  60. or may not find the 'global minima' which is to say the best solution.
  61.  
  62. A couple of old jokes here, the first is have you heard about the US Army
  63. chess manual? chapter 1 is white kings pawn to kings pawn 1 chapter 2 are the choices for white kings pawn to king pawn 2 etc ad nauseum.
  64. The other is the chess master who draws black and is so good the game goes
  65. white queens pawn to queen's pawn 2 and black resigns.
  66.  
  67. The 2 problems I see immediately are 
  68.  
  69. 1) how to choose a network configuration?
  70.  
  71. 2) how to run backprop on a net with no immediately obvious objective function
  72.  
  73. I am working on a idea to represent nets so I can run GA's on them but if it
  74. goes like most of my projects I would not expect results this decade.
  75. as for 2) I would use famous games as a data set.  Start with the move before
  76. checkmate, train the net on the 2nd to last move of a hundred famous games,
  77. when it can extend the game some of the time then go to n-2 moves etc.  I would
  78. avoid porting in the expert system, brute force crap until the net got pretty
  79. good, we want a 'rouge' element not a random one.
  80.   best of luck
  81.     Larry Plato
  82.  
  83. -- 
  84. --------------------------------------------------------------------------------
  85. There are many ways to die, some are less pleasant than others.
  86.   33plato@sol.cs.wmich.edu
  87. --------------------------------------------------------------------------------
  88.