Parametri di machine learning per il rilevamento di persone rispetto a computer

Question

Vorrei avviare un progetto di apprendimento automatico che dovrebbe riconoscere se un giocatore è una persona o un computer.

Ho un set di dati con etichette etichettate (computer o umani).

Secondo te, quali sarebbero i buoni parametri di input? Vorrei includere anche l'uso della posizione degli scacchi e della mossa. Ma quale codifica sarebbe appropriata?

Altri parametri sarebbero alcuni valori di valutazione della posizione e del materiale e la perdita di centenario

Answer 1

Provenendo da un background di apprendimento automatico, anche se questo suona come un'attività di apprendimento supervisionato, non aspettarti risultati decenti.

La maggior parte dei giocatori oggi usa il computer per analizzare le posizioni e prepararsi abbastanza in profondità con i motori. Quindi la distinzione è persa nella maggior parte dei giochi di livello medio-alto.

Inoltre, sapere semplicemente se un gioco è stato giocato da un computer o meno non è sufficiente. Per addestrare qualsiasi modello, devi avere una comprensione intuitiva dei tuoi dati. In questo caso, la semplice sequenza di mosse giocate non è sufficiente.

Ma se sei ancora deciso a cimentarti in questo, potresti esaminare la classificazione delle sequenze utilizzando reti LSTM utilizzando una matrice codificata come input, ma non vedo che funzioni molto bene. Se un umano non è in grado di distinguere, qualsiasi modello che sviluppi non sarà in grado di farlo.