PAWN：ニューラルネットワークによる駒の価値分析

要旨: 与えられたチェス駒がある局面において相対的にどれほどの価値を持つかを予測することは、いまだ未解決の課題である。というのも、駒の寄与は盤上の他のすべての駒との空間的な関係に依存するためである。我々は、CNNベースのオートエンコーダを用いて得た潜在位置表現により、局面全体のチェス盤の状態を取り込むことが、MLPベースの駒価値予測アーキテクチャの精度を大幅に向上させることを示す。Stockfish 17 によって生成された教師ラベルにより、グランドマスターレベルの対局から収集した 1,200 万以上の駒価値ペアを用いたデータセットで、我々の改良した駒価値予測器は、文脈非依存の MLP ベースのシステムを大きく上回り、検証時の平均絶対誤差を 16% 減少させ、相対的な駒価値を約 0.65 ポーン以内で予測する。より一般に、我々の知見は、問題全体の状態を文脈として符号化することが、個々の構成要素の寄与を予測するための有用な帰納バイアスとなることを示唆している。