Verso la sintesi automatica di tattiche scacchistiche interpretabili

Abstract degli autori

Gli agenti di apprendimento per rinforzo all’avanguardia sono in grado di superare gli esperti umani in giochi come gli scacchi, Go e StarCraft II. Non si limitano a sfruttare l’hardware digitale per reagire e calcolare più velocemente degli esseri umani, ma adottano strategie migliori che portano a più vittorie. Interpretare queste strategie offrirebbe ai giocatori indicazioni preziose su come migliorare il proprio gioco. In questo lavoro preliminare proponiamo un modello simbolico di sottopolitica per giocare a scacchi. Ispirato alle tattiche scacchistiche, il nostro modello cerca di incorporare conoscenze del dominio per migliorare l’interpretabilità. Per ricavarlo, adattiamo gli schemi appresi da un sistema di programmazione logica induttiva chiamato PAL. Proponiamo una metrica di divergenza per valutare il nostro modello rispetto a una baseline casuale e individuiamo un insieme di tattiche capace di suggerire mosse di forza di gioco paragonabile a quella di un principiante umano. Infine, proponiamo uno schema di valutazione computazionale che integra il modello in un motore pronto all’uso.