Leela Chess Zero: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
m →Note: |date ----> |data |
wl |
||
Riga 10:
}}
'''Leela Chess Zero''' (abbreviato '''LCZero''' o '''Lc0''') è un [[motore scacchistico]] [[open source]] sviluppato da Gary Linscott (uno degli autori di [[Stockfish]]) insieme a una comunità di contributori, primo motore open source basato sulle tecniche di [[apprendimento automatico]] [[apprendimento profondo|profondo]] introdotte da [[DeepMind]] nello sviluppo di [[AlphaZero]]. Il software è un [[agente intelligente|agente artificiale]] che combina la [[ricerca ad albero Monte Carlo]] con una [[rete neurale convoluzionale]] [[apprendimento profondo|profonda]], ed è addestrato esclusivamente [[apprendimento per rinforzo|per rinforzo]] giocando un gran numero di partite contro se stesso. L'addestramento è eseguito tramite una rete di [[calcolo distribuito]] volontario coordinata tramite il sito del progetto.<ref name="SilverApril2018"/> Nell'agosto 2019 l'addestramento conta oltre 232 milioni di partite giocate.
Tale paradigma è radicalmente diverso da quello dei motori scacchistici convenzionali, basati su varianti della ricerca ad albero [[minimax]] con [[potatura alfa-beta]] e una funzione di valutazione implementata manualmente, e permette di raggiungere un'elevata forza di gioco con uno stile di gioco radicalmente differente e più "creativo", allo stesso tempo valutando ad ogni mossa un numero di posizioni inferiore di diversi [[ordine di grandezza|ordini di grandezza]].<ref name="science" /><ref>Paragoni diretti con motori tradizionali in termini di forza di gioco sono tuttavia resi difficili dal fatto che le implementazioni sono ottimizzate per architetture hardware diverse. L'implementazione più naturale di un agente artificiale come Leela è basata su [[GPGPU]], in quanto la valutazione della rete neurale può essere eseguita in maniera estremamente efficiente su una [[graphics processing unit|GPU]]. I motori tradizionali non sono invece capaci di sfruttarne in maniera altrettanto efficiente il massivo parallelismo, ma traggono vantaggio dall'elevata ottimizzazione delle moderne [[CPU]] nell'esecuzione di istruzioni complesse e con parallelismo il cui flusso di esecuzione è divergente.</ref>
| |||