看評論學象棋：英國科學家嘗試“另類”AI棋類算法
原標題：看評論學象棋，英國科學家嘗試“另類”人工智能棋類算法
讓AI學會下棋，成為“棋類大師”，安居客門店管理系統一直是人工智能領域廣為研究的課題。近日，來自倫敦大學學院的Kamlish等人公布了他們另辟蹊徑的研究試驗——SentiMate，一種采用自然語言處理方法，安居客門店管理系統通過訓練網絡評論文本來學習國際象棋的算法。它通過分析專家解說員的反應，對象棋動作的質量進行評價。
在SentiMate之前，人工智能主要通過不斷地對弈訓練學習圍棋。2016年擊敗圍棋世界冠軍李世石的AlphaGo使用神經網絡，與人類棋手的棋譜進行訓練，學習如何下圍棋。到了2018年，AlphaZero依靠深度神經網絡，通用強化學習算法和蒙特卡洛樹搜索，通過自我對弈進行強化學習。
與Alpha系列采用神經網絡，自我訓練的方法不同，SentiMate嘗試了一條自然語言學習路徑。該團隊首先收集來自網絡的2700條國際象棋游戲評論文本，然后建立了一個分類器，該分類器能夠在大量評論數據集中提取描述象棋動作質量的評論。他們還在象棋評論數據的基礎上訓練了一個情緒分析模型，分析人們通過語言所傳遞出的正向情緒來評估象棋的動作質量，從而指導機器人在棋局中的下一步行動。研究人稱，這兩個模型都達到了90%以上的分類精度。在此基礎上，他們提出了一個象棋引擎sentimate，它基于預先訓練的情緒評估功能來評估象棋的動作。
讓研究人員感到驚訝的是，SentiMate已有能力理解國際象棋的一些基本原則和制定幾個關鍵策略。《麻省理工科技評論》據此評價稱，雖然SentiMate從未戰勝過傳統訓練路徑下的象棋機器人，很難被稱作AlphaGo那樣的“象棋大師”，但這個新路徑展示了利用更少的游戲數據，更低的計算需求，通過語言分析的方法來研究象棋游戲的前景。
“自然語言處理的下一步是將機器學習到的信息轉變為切實的行動，來解決真實世界的任務”，研究人員對《麻省理工科技評論》表示，SentiMate所采用的學習技術還可以用來分析體育賽事，預測金融活動。“畢竟還有大量的書籍，博客和論文都在等待學習”。
