Machine learning aprimora bot de xadrez com 91 milhões de partidas
São Paulo — InkDesign News —
A pesquisa em machine learning avança com o desenvolvimento de Allie, um bot de xadrez movido por inteligência artificial, projetado para entender e jogar como humanos. Criado por Yiming Zhang na Universidade Carnegie Mellon, o sistema visa melhorar a interação entre pessoas e IA.
Contexto da pesquisa
Yiming Zhang, doutorando do Language Technologies Institute da Carnegie Mellon University, apresentou o projeto Allie após perceber a dificuldade que muitos novatos enfrentam ao jogar contra bots de xadrez. Com o aumento da popularidade de jogos online, há uma necessidade crescente por sistemas que simulem comportamentos humanos e ofereçam experiências mais naturais.
Método proposto
Allie utiliza um modelo de machine learning que combina algoritmos clássicos de busca e a modelagem do comportamento humano. O bot foi treinado com dados de 91 milhões de jogos da plataforma Lichess, o que lhe permite realizar movimentos típicos de jogadores humanos, refletindo sobre posições críticas e reconhecendo situações onde a partida pode ser considerada insustentável.
“A combinação de métodos adaptativos com procedimentos clássicos de busca em IA resulta em um sistema superior a qualquer um dos métodos isoladamente.”
(“The combination of adaptive methods with classic AI search procedures results in a system superior to either method on its own.”)— Daniel Fried, Professor Assistente, Carnegie Mellon University
Resultados e impacto
Allie é diferente da maioria dos motores de xadrez, que focam em vencer independentemente da experiência do jogador. Em vez de simular bilhões de jogadas e variações, o bot considera o pensamento humano, proporcionando um desafio mais acessível e intuitivo para jogadores iniciantes e intermediários.
O projeto se destaca pelo seu caráter aberto, permitindo que outros pesquisadores construam sobre a plataforma. Desde seu lançamento, Allie acumulou cerca de 10.000 partidas jogadas, demonstrando sua eficácia e aceitabilidade entre os usuários.
“Nosso projeto é significativo pois avalia como as pessoas interagem com um sistema de IA que tenta ser humanóide.”
(“Our project is meaningful because it assesses how people interact with AI that attempts to be humanlike.”)— Daphne Ippolito, Professora Assistente, Carnegie Mellon University
Quanto ao futuro, a equipe de Allie pretende explorar a aplicação de seus métodos em áreas além dos jogos, visando desenvolvê-los para terapia, educação e medicina, onde interações mais empáticas são necessárias.
Fonte: (TechXplore – Machine Learning & AI)
