30种奇怪的国际象棋算法:Elo世界

30 Weird Chess Algorithms: Elo World

频道:suckerpinch · 时长:42:35 · 发布:2019-07-15 · 播放:966840

在 YouTube 观看

简介

Tom7以汤姆·斯科特式的荒诞风格巡览SIGBOVIK国际象棋项目:一场30种奇怪国际象棋算法的锦标赛,用于评级一个色盲和棋子盲的国际象棋程序。主题包括镜像、算术编码、变态博弈树搜索和稀释的Stockfish。

HN 为什么推荐

HN评论者称其为必看之作,因其冷面、荒谬复杂的工程,并引用其用随机走法稀释强大引擎等想法。

如果你喜欢这类东西,你会爱上Elo世界。 — HN, 2020

算法与数据结构 · 国际象棋、桌游与解谜 · 讽刺与恶搞

中文字幕节选

国际象棋 国际象棋也许是轨道平台上最好的半3D平台游戏 自《古惑狼2》以来 我是Tom 7 我喜欢下棋 但 主要是烂棋 下烂棋压力更小 国际象棋很充实 但 如今很难找到一场好的低压力的烂棋对局 原因比如 这个 我的朋友们要么擅长下棋 要么拒绝相信我很烂 而且我没有朋友 大多数孩子下棋都很烂 但似乎 极度活跃 而且害怕我 在网上下棋感觉就像 和陌生人打电话 除了看不见他们之外 还得和他们进行智力较量 你甚至不知道他们是否 在嘲笑你 而且我连互联网是什么都不知道 所以你可以和 电脑下 电脑当然下棋好得令人恶心 真的很烦人 但人们似乎痴迷于制造下棋厉害的电脑 如果 你一直在关注 你就知道那不是我风格 做好的 事情 或有用的事情 或合理的事情 所以这个视频是一个合集和 比较 许多不同的电脑下烂棋的方式 将死 你很烂 现在主要的动机 只是这是我的乐趣 但我遇到这个是因为以下 问题 当人类想在国际象棋中让子时 一种方法是 蒙上眼睛 然后你必须记住棋子在棋盘上的位置 但 记住棋子位置对电脑来说超级简单 事实上 如果它们能看到棋盘并理解棋子在哪里 会更令人印象深刻 那么 有没有电脑版的盲棋 所以想法是这样的 不让电脑看到棋盘 而是让电脑看到 棋子的位置 但不知道棋子是什么 所以这不是盲棋 而是颜色 盲和棋子盲的国际象棋 现在同样重要的是防止电脑 知道走过的棋步序列 因为如果你能记住 就很容易知道棋子的位置 所以电脑不允许看到 对局的展开 而是只给它一组比特 有64个 因为棋盘上有64个格子 我认为这也是 吸引我这个想法的一部分 对电脑来说这是非常原生的表示 它只得到 64个比特 被要求走一步 它需要弄清楚棋子在哪里 甚至轮到谁走 人类玩这个游戏会很难 因为 你需要给他们施加某种失忆剂 这样他们真的 记不住发生了什么 否则他们只能在一局中走一步 那也不太有趣 但对电脑我们可以强制它 无法访问这些 所以显然这样下棋不太容易 我仍然 觉得这很有趣 我认为人类可以分辨出 例如这个布局 是三个兵和国王以及车已经易位 这里也一样 因为那是 常见做法 否则很难进入这种情况 我认为 真正熟练的玩家很有可能弄清楚整个棋盘 考虑到这是一个相当直接的思路 在皇后弃兵开局中 在锦标赛中已经下过几十次 想自己试试吗 来吧 暂停视频 看看你能不能弄清楚这是什么局面 我会给你 几秒钟 对于那些找到的人 恭喜你 你是一位出色的 开局学生 对于那些只想享受节目的人 这个局面当然就是这个 是在这20步之后达到的 一切各就各位 当然轮到白方走 有些 局面要难得多 尤其是游戏后期 因为没有那么多 棋子 而且它们可能到了几乎任何地方 所以电脑很可能 弄错 并且很可能在这个局面下走出非法棋步 这原来是 白方国王 而且实际上被将军了 因为这是黑方骑士 所以如果我试图移动任何其他棋子 或者甚至不是我的棋子 那就是 非法棋步 对此的惩罚通常是 你输掉这局

HN 上的讨论

汤姆7对任何没见过他的人来说都很出色。他的反向仿真视频([LINK])和奇怪的国际象棋算法([VIDEO])是必看的。他冷面滑稽的表达方式,加上他在那些并不真正重要的事情上投入的荒谬努力, honestly 鼓舞人心。 — GuestHNUser, 2022-04
这让我想起 Tom7 的视频,他做了一堆荒谬的引擎,让它们互相对战(也与“稀释”版的 Stockfish 对战):[VIDEO] [LINK] — Rendello, 2026-05
任何吸引你眼球的东西都好,但我最喜欢的是:30个奇怪的国际象棋算法:ELO世界 [VIDEO] 反向仿真NES给它超级力量![LINK] — iamevn, 2023-07
我的是“更难的驱动器”[1],“ELO世界”[2],和“可打印x86”[3] [1] [LINK] [2] [VIDEO] [3] [LINK] — nick-of-time, 2023-07
BPE 到底起了什么作用,目前还不清楚。我惊讶地发现,一步棋的最终概率等于根提示中每个 token 的概率,也就是说,尽管 "1.Nf3 e5" 被编码为 ['1', '.', 'N', 'f', '3', ' e', '5'],e5 的概率似乎并不受 Nf3 是 3 个 token 而不是 1 个 token 这一事实的影响。你说得对,设计一个 token 映射可能会有帮助。不过现在做这件事有点棘手。要拟合自定义词表,你的选择似乎是“用 sentencepiece 拟合一个词表,然后修改 gpt-2 代码库,让它使用 sentencepiece 库来解码”。老实说,我不确定 sentencepiece 的输出是否与传统的编码器兼容。我的意思是,它似乎不会生成 encoder.json + vocab.bpe 文件。它似乎是某种其他格式。所以我不确定围绕 OpenAI 编码器格式发展出来… — sillysaurusx, 2020-01

相关视频