Нейросеть разобрала 170 тысяч ходов в длинных нардах и нашла ошибки людей

Автор разбора на Habr пропустил через нейросетевой движок около 170 тысяч ходов живых игроков в длинных нардах и посмотрел, где люди теряют больше всего. Потери сосредоточены в двух местах: в начале партии и в размере поражения, то есть в марсах и коксах. К материалу приложены четыре задачи из реальных партий, которые читатель может решить сам, прежде чем сверяться с ответом движка.

Почему длинные нарды трудны даже для генератора ходов

У длинных нард простые на вид правила, но движку с ними непросто. Прежде чем нейросеть оценит позицию, нужно перечислить все допустимые ходы. Здесь это отдельная задача. Правило головы разрешает снимать с начальной позиции только одну шашку за бросок, а в самом начале партии действуют исключения для дублей. Запрет глухого забора не позволяет выстроить шесть подряд занятых пунктов, если впереди нет ни одной шашки соперника. К этому добавляются обязанность сыграть оба кубика, когда это возможно, и приоритет большего кубика, когда сыграть можно только один.

Ошибка в любом из этих правил даёт незаконные ходы или теряет законные. Оценка при этом остаётся корректной, но выбирать приходится не из того набора вариантов. Поэтому в разборе генератор ходов выделен как отдельный узел движка, а не считается техническим довеском к нейросети.

Нейросетевые оценщики в нардах появились давно. TD-Gammon Джеральда Тезауро в начале 1990-х показал, что сеть может учиться оценивать позиции в игре с кубиками, играя сама с собой. Принцип остался тем же. Сеть выдаёт оценку позиции, движок перебирает законные ходы и берёт тот, после которого оценка лучше.

Что нашлось в 170 тысячах ходов

Движок сравнил выбор людей со своим. Автор приводит три главных наблюдения:

• Выборка: около 170 тысяч ходов живых игроков.
• Где теряется больше всего: в начале партии, когда структура ещё не сложилась и каждый бросок задаёт план на следующие.
• Какие потери самые тяжёлые: в размере поражения, то есть в марсах и коксах, где проигрыш обходится дороже обычного.

Первый вывод ожидаем. В дебюте у длинных нард много развилок, а правило головы жёстко ограничивает темп, и человеку трудно просчитать последствия. Второй вывод интереснее. Он показывает, что игроки теряют не столько на вероятности выигрыша, сколько на управлении риском. Когда партия уходит, человек часто продолжает играть на спасение. Движок, как можно предположить, оценивает не только шанс победить, но и цену проигрыша, и потому выбирает ходы, которые меньше рискуют крупным поражением.

Ограничение нужно назвать сразу. В анонсе нет данных о том, какая именно сеть использовалась, на каком уровне играли люди и насколько велик средний перевес движка. Эти детали есть только в полной статье, и без них масштаб ошибок оценить нельзя.

Как использовать разбор

Материал полезен прежде всего тем, кто играет всерьёз и хочет улучшить результат. Несколько практических шагов:

• Решите четыре задачи до чтения ответов. Расхождение с движком само по себе показывает слабое место.
• Отдельно изучите дебют. Здесь по данным автора теряется больше всего, а правило головы делает выбор первых ходов важнее, чем кажется.
• Если проигрываете, оцените риск марса или кокса, а не только шанс отыграться.
• Разберите несколько своих партий в движке. Типовые ошибки повторяются, и 170 тысяч ходов это подтверждают.

Для разработчиков игровых ИИ у материала есть своя ценность. Он напоминает, что в играх с нестандартными правилами надёжность генератора ходов важна не меньше качества нейросети.