Predicting User Perception of Move Brilliance in Chess

AI研究在国际象棋方面主要集中于制造能够最大化获胜概率的强劲智能体。然而，国际象棋还有另一方面很少被研究：它的美学吸引力。具体而言，存在一类国际象棋棋步叫做“杰出棋步”。这些棋步因其高智力美而受到玩家的欣赏和赞赏。我们展示了第一个将国际象棋棋步分类为“杰出”的系统。该系统使用神经网络，利用国际象棋引擎的输出以及描述游戏树形状的特征。该系统实现了79%的准确率（50%基础率），83%的阳性预测值和75%的阴性预测值。我们证明了，人们所认为的“杰出”棋步并不仅仅是最佳棋步。我们表明，如果较弱的引擎认为某个棋步质量较低（对于较强引擎的相同评级），所有其他条件相等，那么这个棋步更有可能被预测为“杰出”。我们的系统为计算机国际象棋引擎展示人类般的杰出和创造力打开了大门。

论文旨在解决如何将国际象棋棋谱中的棋步分类为“杰出”的问题。

该论文提出了使用神经网络来对棋步进行分类的方法，结合了国际象棋引擎的输出和游戏树形状的特征。并且发现，人类认为“杰出”的棋步并不一定是最好的棋步。

论文使用了神经网络对棋步进行分类，取得了79%的准确率。同时，论文还发现了一些有趣的现象，比如更弱的棋引擎对同样的棋步评分较低时，更容易被认为是“杰出”的棋步。

在国际象棋人工智能领域，许多研究都致力于提高棋引擎的胜率，但对于“杰出”的棋步的研究却很少。