当人工智能评估国际象棋冠军时

大多数国际象棋联合会今天使用的ELO系统根据他们的比赛结果对球员进行排名。虽然简单而有效，但它忽略了相关标准，例如玩家实际行动的质量。为了克服这些限制，Reseachers现在开发了一个新系统。大多数国际象棋联合会今天使用的ELO系统根据他们的比赛结果对球员进行排名。虽然简单而有效，但它忽略了相关标准，例如玩家实际行动的质量。为克服这些限制，图卢兹信息研究所的Jean-Marc Alliot(IRIT - CNRS / INP Toulouse /UniversitéToulousePaul Sabatier /UniversitéToulouseJeanJaurès/UniversitéToulouseCapitole)演示了一个新系统，于4月24日发布2017年参加国际电脑游戏协会期刊。

自20世纪70年代以来，由匈牙利人ArpadElo设计的系统根据他们的比赛结果对国际象棋选手进行排名。最好的球员排名最高，两名球员之间ELO分数的差异预测了任何一名球员赢得某场比赛的概率。如果球员表现得比预期更好或更差，他们会相应地获得或失分。该方法没有考虑在游戏期间所玩的移动的质量，因此不能可靠地对在不同时期玩过的玩家进行排序。Jean-Marc Alliot建议根据球员的实际动作质量直接排名。

他的系统计算了实际进行的移动和迄今为止最佳国际象棋程序选择的移动之间的差异，Stockfish。在OSIRIM超级计算机[1]上运行，该程序执行几乎完美的移动。从威廉·斯坦尼茨(Wilhelm Steinitz，1836-1900)开始，自那时以来国际象棋世界冠军队参加的所有26,000场比赛都经过处理，以便为每位球员创造一个概率模型。对于每个位置，模型估计出错的概率和错误的大小。然后可以使用这些模型来计算两个玩家之间任何给定匹配的获胜/平局/失败概率。这些预测不仅证明了当玩家互相打比赛时的实际结果非常接近，他们的表现也比基于ELO分数。结果表明，国际象棋选手的水平一直在稳步提高。目前的世界冠军马格努斯卡尔森排名榜首，而鲍比菲舍尔排名第三。

在当前条件下，这种新的排名方法不能立即取代ELO系统，这更容易设置和实施。但是，计算能力的提高将有可能在不久的将来将新方法扩展到不断增长的玩家群体。