¿Por qué una jugada de ajedrez puede mejorar las posibilidades de ganar, según la computadora?

Al mirar la copa Sinquefield en http://grandchesstour.org/ , es posible probar diferentes movimientos y ver cómo la computadora evalúa la posición después de su movimiento sugerido.

Ahora, la mayoría de los movimientos afectarán su posición, si la computadora no lo considera el mejor movimiento. Pero para algunos movimientos (con bastante frecuencia) instantáneamente obtienes una mayor probabilidad de ganar, tal vez la ventaja de la mitad de los peones. No entiendo esto: si un solo movimiento tiene el potencial de mejorar significativamente la posición de los jugadores, ¿no debería ya reflejarse en la situación actual antes del movimiento? En mi opinión, cualquier movimiento que no sea considerado el mejor movimiento por parte de la computadora, debería conducir a una posición deteriorada, mientras que el mejor movimiento debería, en el mejor de los casos, mantener el equilibrio, y no mejorar la posición de los jugadores. Porque, si la computadora sabe que este movimiento mejorará la posición de los jugadores, ¿debería ya en la posición actual mejorar la posición de los jugadores, diciendo que "con la mejor jugada, estás medio empeño"?

Hmm, ¿o tal vez esto es solo el resultado de cómo se implementa el sitio web en grandchesstour.org?

Si la computadora fuera capaz de evaluar cada línea de juego hasta el final del juego, la evaluación nunca cambiaría. De hecho, la evaluación de cada movimiento sería "ganar", "perder" o "empatar". Esto es esencialmente lo que sucede en las bases de tablas de final de juego. ^* Si las computadoras pudieran hacer esto para cada posición, cada juego contra una computadora consistiría en que la computadora renunciara sin hacer un movimiento, ofreciéndole un empate en la posición inicial o molesto por no haber renunciado o aceptado esa oferta de sorteo.

Sin embargo, las computadoras no pueden evaluar tan lejos porque tomaría un tiempo increíblemente largo, tanto porque los juegos pueden ser muy largos (cientos de movimientos, en principio) como porque hay muchas posibilidades en cada movimiento. Entonces, las computadoras tienen que tomar varios atajos. Esto incluye tratar de descubrir rápidamente cuáles son los movimientos candidatos más importantes (tomar una pieza desprotegida es probablemente un gran movimiento; colgar a tu reina es probablemente un movimiento horrible; ...) y también detener la búsqueda después de varios movimientos y usar algunas heurísticas en lugar de buscar más para tratar de averiguar si la posición resultante se ve bien o no.

El problema es que estos atajos pueden salir mal. La computadora podría decidir que colgar una pieza es malo cuando en realidad es un sacrificio de genio. Podría decidir que una posición se ha estabilizado cuando realmente no. Es posible que no tenga suficiente poder para ver lo suficiente en el futuro para ver el punto real de un movimiento en particular.

Aquí hay un ejemplo simple, aunque ya no es muy realista. Suponga que está a punto de darme un jaque mate, pero tengo una serie de diez controles que puedo hacer para retrasarlo. Si solo veo diez movimientos por adelantado, pensaré que lo estoy haciendo bien: tal vez incluso soy un peón, así que mi evaluación es "Después de diez movimientos, sigo siendo un peón, así que estoy bien . Puntuación +1 "Juego mi primer cheque, respondes, y ahora veo que es compañero en diez y renuncio. Este es el llamado "efecto horizonte" que los programas modernos intentan evitar (p. Ej., Mirando más a lo largo de líneas que tienen muchos movimientos forzados) pero ilustra el principio general.

Si el motor puede ver, digamos, diez movimientos hacia el futuro, entonces está viendo más lejos en el juego a medida que se realiza cada movimiento. En la posición inicial, puede ver cómo se verá el tablero en el movimiento 10; después de un movimiento, puede ver mover 11 y así sucesivamente. (Nuevamente, esto es una simplificación, ya que las computadoras no miran, en estos días, una distancia fija hacia el futuro, pero le da una idea general).

El ejemplo que ha dado es una versión menos dramática de los ejemplos que he dado. A medida que se realizan más movimientos, la computadora puede ver más profundamente en el juego, por lo que puede dar una evaluación más precisa. Otra forma de ver esto es en términos de información: a medida que se juegan más movimientos, la computadora tiene más información. Solía ​​estar adivinando cuál sería tu respuesta a 1.e4, pero ahora sabe que has jugado al Siciliano, y así sucesivamente.

^* Hay un ligero matiz aquí en el sentido de que realmente necesitas contar el número de movimientos para ganar para evitar repetir posiciones. Por ejemplo, considere el final del juego de KQ vs K. Cada movimiento que no estanca o rinde a la reina gana, por lo que necesita un mecanismo para conducir hacia el jaque mate, en lugar de simplemente moverse al azar y decir: "Wow, voy totalmente para ganar esto, ¡casi todos los movimientos ganan! "

No hay inconsistencia. Cuando realiza un movimiento, la computadora ya no tiene que buscar la posición anterior. Ahora puede enfocar toda la potencia de procesamiento en la nueva posición y, por lo tanto, la evaluación podría cambiar. El árbol del juego podría ser muy diferente.

Así es como jugamos al ajedrez.