Comme pour tous les outils qui se basent sur l'apprentissage profond, la différence ne se fait plus vraiment sur le code mais sur les données.
Je pense que tu fais un gros raccourci et que tu ne connais pas vraiment ce dont tu parles, et vu que c'est un des premiers commentaires de ce message et qu'il est donc certainement très lu, j'aimerai rectifier ce que tu dis (avec mes maigres connaissances du sujet) :
Stockfish est le programme d'échec le plus puissant actuellement. Il est développé depuis des années, est au plus haut niveau depuis 2013 environ et domine depuis 2018.
Il utilise aujourd'hui un réseau de neurone pour son évaluation (NNUE). Cependant il est possible de désactiver cette partie du programme, et lorsque c'est le cas, il reste le meilleur programme d'échec dans cette catégorie (catégorie des programmes sans réseaux de neurones).
Si on regarde la progression depuis 2013, on peut voir que la meilleure avancée de ces dernières années a été l'introduction (puis l'affinage) du NNUE en 2020. Cependant il ne faut pas minimiser le travail derrière le reste du code qui est colossal. En effet le réseau de neurone NNUE n'est utilisé que pour l'évaluation d'une position donnée, ce qui n'est pas le seul élément déterminant le choix du meilleur coup.
Fin 2017, AlphaZero a fait du buzz (comme Deepmind aime le faire), mais il n'a pas été complètement franc. Les parties contre Stockfish à l'époque de son dévoilement était un peu biaisés (ce n'était pas la dernière version de Stockfish, il n'avait pas accès aux bases de fin de parties et ne tournait pas sur un hardware équivalent). Depuis, il est certain qu'Alpha Zero a été largement dépassé par Stockfish, et ceci même avant l'introduction du NNUE dans le code de Stockfish.
De plus, tu parles de données. Ce que j'entends par là est que tu supposes que le programme est entrainé sur des parties réelles. Ce n'est pas le cas, le réseau NNUE actuel étant entrainé sur des positions évaluées par Leela Zero, un autre projet Open Source qui se veut une copie de la méthode d'Alpha Zero.
Leela Zero (une réimplémentation open source d'Alpha Zero), actuellement dans le top 3 des programmes d'échec, vient de perdre à plate couture contre Stockfish (27 victoires, 63 nuls, 10 défaites) dans le dernier TCEC (les parties étant jouées à partir d'ouvertures "biaisées" pour qu'il n'y ai pas que des nuls).
Tout ça pour dire que, avec les programmes actuels, les données ne semblent pas rentrer en compte.
Ce qui rentre en compte, c'est bien l'algorithme de sélection des coups à évaluer (minimax, pruning...) ainsi que l'entrainement des réseaux de neurones en "self play".
Stockfish est le meilleur, et ceci depuis des années, et a su s'adapter a l'attaque des programmes "tout Deep learning" sans jeter l'ensemble de sa base de code. La communauté open source peut être fière de cet exemple.
[^] # Re: Données, données, données moi
Posté par Strash . En réponse au journal ChessBase vs Stockfish. 1. e4 e5. 2 Ke2? ...# 0-1. Évalué à 10.
Je pense que tu fais un gros raccourci et que tu ne connais pas vraiment ce dont tu parles, et vu que c'est un des premiers commentaires de ce message et qu'il est donc certainement très lu, j'aimerai rectifier ce que tu dis (avec mes maigres connaissances du sujet) :
Stockfish est le programme d'échec le plus puissant actuellement. Il est développé depuis des années, est au plus haut niveau depuis 2013 environ et domine depuis 2018.
Il utilise aujourd'hui un réseau de neurone pour son évaluation (NNUE). Cependant il est possible de désactiver cette partie du programme, et lorsque c'est le cas, il reste le meilleur programme d'échec dans cette catégorie (catégorie des programmes sans réseaux de neurones).
Si on regarde la progression depuis 2013, on peut voir que la meilleure avancée de ces dernières années a été l'introduction (puis l'affinage) du NNUE en 2020. Cependant il ne faut pas minimiser le travail derrière le reste du code qui est colossal. En effet le réseau de neurone NNUE n'est utilisé que pour l'évaluation d'une position donnée, ce qui n'est pas le seul élément déterminant le choix du meilleur coup.
Fin 2017, AlphaZero a fait du buzz (comme Deepmind aime le faire), mais il n'a pas été complètement franc. Les parties contre Stockfish à l'époque de son dévoilement était un peu biaisés (ce n'était pas la dernière version de Stockfish, il n'avait pas accès aux bases de fin de parties et ne tournait pas sur un hardware équivalent). Depuis, il est certain qu'Alpha Zero a été largement dépassé par Stockfish, et ceci même avant l'introduction du NNUE dans le code de Stockfish.
De plus, tu parles de données. Ce que j'entends par là est que tu supposes que le programme est entrainé sur des parties réelles. Ce n'est pas le cas, le réseau NNUE actuel étant entrainé sur des positions évaluées par Leela Zero, un autre projet Open Source qui se veut une copie de la méthode d'Alpha Zero.
Leela Zero (une réimplémentation open source d'Alpha Zero), actuellement dans le top 3 des programmes d'échec, vient de perdre à plate couture contre Stockfish (27 victoires, 63 nuls, 10 défaites) dans le dernier TCEC (les parties étant jouées à partir d'ouvertures "biaisées" pour qu'il n'y ai pas que des nuls).
Tout ça pour dire que, avec les programmes actuels, les données ne semblent pas rentrer en compte.
Ce qui rentre en compte, c'est bien l'algorithme de sélection des coups à évaluer (minimax, pruning...) ainsi que l'entrainement des réseaux de neurones en "self play".
Stockfish est le meilleur, et ceci depuis des années, et a su s'adapter a l'attaque des programmes "tout Deep learning" sans jeter l'ensemble de sa base de code. La communauté open source peut être fière de cet exemple.