Ο στόχος της εργασίας είναι η αναγνώριση της στρατηγικής ενός παίκτη στο σκάκι με βάση τις κινήσεις που έχουν λάβει χώρα σε μία παρτίδα. Στο πλαίσιο της εργασίας θα αναπτυχθεί βάση γνώσης με ορισμούς στρατηγικών οι οποίες θα εκφράζονται με τη χρήση ενός φορμαλισμού Τεχνητής Νοημοσύνης. Η βάση γνώσης αυτή μπορεί να προκύπτει ερμηνεύοντας τα αποτελέσματα σκακιστικών μηχανών που βασίζονται σε νευρωνικά δίκτυα, όπως π.χ. το AlphaZero [1], και περιγράφοντας τόσο τη σκακιστική γνώση που προκύπτει από τη μελέτη νευρωνικών δικτύων, όσο και τα γνωστά από ανθρώπινη εμπειρία σκακιστικά μοτίβα [4] με χρήση μίας τυπικής γλώσσας περιγραφής [2]. Στη συνέχεια, θα χρησιμοποιηθεί ένα σύστημα αναγνώρισης γεγονότων/συμπεριφορών από δεδομένα που έχει αναπτυχθεί στο εργαστήριο Τεχνολογίας Γνώσης του ΕΚΕΦΕ “Δημόκριτος” για τη εξαγωγή μίας στρατηγικής με βάση τα μοτίβα που έχουν εμφανιστεί στην παρτίδα [3]. Το τελικό σύστημα θα αξιολογηθεί σε παρτίδες που έχουν λάβει χώρα στο παρελθόν και είναι άμεσα διαθέσιμες στο διαδίκτυο, καθώς και σε παρτίδες που βρίσκονται σε εξέλιξη.
Βιβλιογραφία:
[1] McGrath T., Kapishnikov A., et al. Acquisition of Chess Knowledge in AlphaZero, 2021. https://arxiv.org/pdf/2111.09259.pdf
[2] López-Michelone M. and Ortega-Arjona J., A description language for chess, ICGA Journal, 2020. https://www.researchgate.net/publication/340068775_A_description_language_for_chess
[3] Artikis A., Sergot M. and Paliouras G., An Event Calculus for Event Recognition, IEEE Transactions on Knowledge and Data Engineering (TKDE), 2015. https://cer.iit.demokritos.gr/publications/papers/2015/artikis-TKDE14.pdf
[4} López-Michelone M. and Ortega-Arjona J., Patterns for the Game of Chess, 2016. https://lya.fciencias.unam.mx/jloa/publicaciones/c39.pdf