Allie+Stein, nouveau moteur d’échecs à base de réseau de neurones

Allie+Stein réseau neurones échecs

Lors du “Top Chess Engine Championship” saison 15 un nouveau moteur d’échecs à base de réseau de neurones, Allie+Stein, a découvert la compétition avant de parvenir en finale face à l’habitué Stockfish lors de la saison 16. Présentation de ce nouveau venu…

Après Leela Chess Zero (Lc0) et Scorpio, un nouveau représentant des moteurs d’échecs à base de réseau de neurones artificiels est apparu lors de la saison 15 du “Top Chess Engine Championship“. C’est la combinaison du projet Allie de Adam Treat et du projet Leelenstein de Mark Jordan. Ce nouveau moteur s’appelle Allie+Stein.

Pour sa première participation à cette compétition des moteurs d’échecs il s’est classé quatrième de la première division derrière Stockfish, Lc0 et Komodo. Mais lors de la saison 16 il s’est hissé jusque la Super Finale face à l’habitué Stockfish. Il comptait reproduire la performance de Lc0 qui s’était imposé lors de la saison 15 mais le classique Stockfish a repris le pouvoir face à ces moteurs de nouvelle génération.

Allie+Stein introduit un nouveau concept d’apprentissage basé sur l’utilisation de parties existantes plutôt que l’auto-apprentissage à partir de zéro…

Explications avec les créateurs du projet Allie+Stein

Découvrons un peu mieux ce projet avec quelques extraits d’une interview de ses créateurs sur le site chessdom.com à l’occasion du TCEC saison 15 :

Jusqu’à présent, il y n’a eu que deux moteurs 100% réseau de neurones dans le TCEC – LCZero et Scorpio. Ce qui fait de votre moteur le troisième moteur 100% réseau de neurones selon les règles du TCEC

AT: Comme Leela, Allie est basé sur les mêmes concepts et algorithmes qui ont été introduit par Deepmind dans les publications AlphaZero, mais son code est original et contient des implémentations alternative de ces idées. Vous pouvez voir Allie comme un jeune de cousin de Leela qui peut utiliser les mêmes réseaux que ceux produit par le projet Lc0 ou les autres réseaux compatibles. Le réseau Leelenstein est aussi un nouveauté car il introduit l’apprentissage supervisé dans la compétition du TCEC. Au final, Allie+Stein utilisera MCTS (Monte-Carlo Tree Search) pour les débuts du tournoi, mais j’espère passer à la recherche AlphaBeta pendant les derniers rounds… si elle arrive jusque là 🙂

MJ: Allie+Stein est un moteur à base de réseau de neurones complètement nouveau, satisfaisant facilement 2 des 3 conditions pour l’unicité. Il est possible que je réécrive complètement les scripts d’apprentissage avec quelques nouvelles idées de plus dans le futur. Actuellement, l’apprentissage a quelques changements par rapport aux scripts d’apprentissage de Leela.

En comparaison avec le meilleur moteur en réseau de neurones actuel Lc0, attendez-vous de votre avenir un avenir meilleur ?

MJ: La beauté de mon approche en utilisant seulement des parties existantes est que je peux entraîner des nouveaux réseaux entiers en partant de zéro en une semaine ou deux pour essayer une nouvelle idée, quelque chose qui prend plusieurs mois au projet Lc0 même avec 100 ou 1000 fois plus de calculs que j’ai. J’espère éventuellement montrer que certaines de mes idées doivent être bonnes par la manière dont le réseau est fort et Lc0 peut également les essayer pour devenir plus forte. Et je continuerai également à essayer de bonnes idées à partir de là. Et le projet est une excellente ressource pour les personnes qui ont besoin de plusieurs millions de fortes parties, car il a déjà beaucoup plus de parties disponibles que tous les CCRL (Computer Chess Rating Lists), même s’il est beaucoup plus jeune. Et malheureusement, fishtest ne stocke pas et n’héberge pas toutes ses parties. Je m’attends donc à voir une grande symbiose.

AT: Je m’attends à ce que les progrès réalisés par un moteur soient (avec du temps et des efforts) intégrés aux autres moteurs. Comme il se doit ! Nous sommes tous sur les épaules des pionniers de l’informatique et de la programmation des moteurs d’échecs antérieurs. Je pense que l’AlphaBeta est une méthode de recherche supérieure et qu’il n’y a aucune raison qu’un moteur AB + (méthode éval) ne puisse pas concurrencer favorablement un MCTS + (méthode éval) quelle que soit la méthode eval. Mais ce n’est que ma théorie et ne vaut que très peu jusqu’à preuve du contraire. Seul l’avenir nous le dira.

Exemple de partie du moteur Allie+Stein

Lors de son match contre Stockfish en Super Finale de la saison 16 du TCEC, Allie+Stein a remporté quelques victoires malgré sa défaite sur le score de 54,5-45,5. Voici l’une de ses parties victorieuse.

Dans cette position de la Défense Est-Indienne, Allie+Stein a démontré une compréhension supérieure de la structure du pion après 18… e4. Le fait est que cette structure de pion n’est jouable pour les Noirs que s’ils ont le contrôle de la case d4 et si les Blancs sont incapables de lancer une percée à l’aile Dame. Dans cette position, les Blancs ont non seulement accès à la case d4, et peuvent jouer a4-a5 à volonté. Dans la partie, Allie+Stein a pleinement utilisé la case d4 pour briser la position des Noirs, remportant la victoire.

A lire aussi : Article complet de Matthew Salder au sujet de la finale du TCEC 16

Suggestion d'articles

Laisser un commentaire