Interpretação de lances realizados por engines de xadrez utilizando inteligência artificial explicável

dc.contributor.advisorMassa Neto, Ernesto de Souza
dc.contributor.authorSouza, Guilherme França de
dc.contributor.refereeAmorim, Claúdio Alves de
dc.contributor.refereeCeledón, Julián Hermógenes Quezada
dc.date.accessioned2025-01-15T14:34:06Z
dc.date.available2025-01-15T14:34:06Z
dc.date.issued2025-01-06
dc.description.abstractO presente trabalho visa utilizar técnicas de inteligência artificial explicável para explicar decisões tomadas por engines de xadrez. O objetivo é facilitar o entendimento de quais fatores são utilizados pela engine para tomar suas decisões. A abordagem adotada para alcançar esse objetivo segue a metodologia do Design Science Research (DSR), que se concentra na criação e avaliação de artefatos projetados para resolver problemas práticos. Para estudar casos onde a utilização de técnicas de explicabilidade teria relevância ou não, foram selecionadas posições com diferentes temáticas, para realizar duelos entre o Stockfish com redes neurais (NNUE) ativadas e desativadas, com diferentes profundidades, para compreender em que medida uma função de avaliação eficiente contribui para o desempenho de uma engine de xadrez e qual é o impacto relativo da profundidade de busca na vantagem estratégica obtida pela engine durante a tomada de decisões. Além disso, foi criado um modelo aproximado, treinado para aprender com o Stockfish a avaliar posições estáticas no tabuleiro. Esse modelo foi utilizado como base para a aplicação de técnicas de explicabilidade, como LRP, DeepLIFT, SmoothGrad, Saliency Maps e LIME, permitindo a análise detalhada de como as diferentes características do tabuleiro influenciam as avaliações do modelo. Os resultados apontam que as técnicas de explicabilidade podem fornecer explicações coerentes sobre os padrões que fundamentam essas avaliações.
dc.description.abstract2This work aims to use explainable artificial intelligence techniques to explain decisions made by chess engines. The aim is to make it easier to understand which factors are used by the engine to make its decisions. The approach adopted to achieve this goal follows the methodology of Design Science Research (DSR), which focuses on the creation and evaluation of artifacts designed to solve practical problems. To study cases where the use of explainability techniques would be relevant or not, positions with different themes were selected to carry out duels between Stockfish with neural networks (NNUE) activated and deactivated, with different depths, to understand to what extent an efficient evaluation function contributes to the performance of a chess engine and what is the relative impact of the search depth on the strategic advantage obtained by the engine during decision making. In addition, an approximate model was created, trained to learn from Stockfish how to evaluate static positions on the board. This model was used as the basis for applying explainability techniques such as LRP, DeepLIFT, SmoothGrad, Saliency Maps and LIME, allowing for a detailed analysis of how the different characteristics of the board influence the model's evaluations. The results show that explainability techniques can provide coherent explanations of the patterns that underpin these evaluations.
dc.format.mimetypeapplication/pdf
dc.identifier.citationSOUZA, Guilherme França de. Interpretação de lances realizados por engines de xadrez utilizando inteligência artificial explicável. Orientador Ernesto de Souza Massa Neto. 2024. 74fls: il. Monografia. (Bacharelado em Urbanismo) - Departamento de Ciências Exatas e da Terra, Campus I, Universidade do Estado da Bahia. Salvador- BA, 2024.
dc.identifier.urihttps://saberaberto.uneb.br/handle/20.500.11896/7165
dc.language.isopor
dc.publisherUniversidade do Estado da Bahia
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/
dc.rights2Attribution 3.0 Brazilen
dc.subject.keywordsInteligência artifical
dc.subject.keywordsExplicabilidade
dc.subject.keywordsXadrez
dc.titleInterpretação de lances realizados por engines de xadrez utilizando inteligência artificial explicável
dc.title.alternativeInterpretation of moves made by chess engines using explainable artificial intelligence
dc.typeinfo:eu-repo/semantics/bachelorThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Interpretação de lances realizados_Guilherme França.pdf
Tamanho:
1.3 MB
Formato:
Adobe Portable Document Format
Descrição:
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
462 B
Formato:
Item-specific license agreed upon to submission
Descrição: