Back Leela Chess Zero Catalan Leela Chess Zero Czech Leela Chess Zero English Leela Chess Zero Spanish Leela Chess Zero French Leela Chess Zero ID Leela Chess Zero Japanese Leela Chess Zero Malay Leela Chess Zero Polish Leela Chess Zero Russian
| Leela Chess Zero software | |
|---|---|
 | |
| Genere | Motore scacchistico |
| Sviluppatore | Gary Linscott et al. |
| Data prima versione | 9 gennaio 2018 |
| Ultima versione |
|
| Sistema operativo | Multipiattaforma |
| Linguaggio | C++ CUDA |
| Licenza | GNU General Public License (licenza libera) |
| Sito web | lczero.org |
Leela Chess Zero (abbreviato LCZero o Lc0) è un motore scacchistico open source sviluppato da Gary Linscott (uno degli autori di Stockfish) insieme a una comunità di contributori, primo motore open source basato sulle tecniche di apprendimento automatico profondo introdotte da DeepMind nello sviluppo di AlphaZero. Il software è un agente artificiale che combina la ricerca ad albero Monte Carlo con una rete neurale convoluzionale profonda, ed è addestrato esclusivamente per rinforzo giocando un gran numero di partite contro se stesso. L'addestramento è eseguito tramite una rete di calcolo distribuito volontario coordinata tramite il sito del progetto.[1] Nell'agosto 2019 l'addestramento conta oltre 232 milioni di partite giocate.
Tale paradigma è radicalmente diverso da quello dei motori scacchistici convenzionali, basati su varianti della ricerca ad albero minimax con potatura alfa-beta e una funzione di valutazione implementata manualmente, e permette di raggiungere un'elevata forza di gioco con uno stile di gioco radicalmente differente e più "creativo", allo stesso tempo valutando ad ogni mossa un numero di posizioni inferiore di diversi ordini di grandezza.[2][3]
Il progetto è nato come fork di Leela Zero, software per il gioco del go a sua volta basato sui concetti di AlphaGo Zero, sviluppato dal programmatore belga Gian-Carlo Pascutto (autore, tra l'altro, del forte motore scacchistico Sjeng).[1][4]
- ^ a b Errore nelle note: Errore nell'uso del marcatore
<ref>: non è stato indicato alcun testo per il marcatoreSilverApril2018 - ^ Errore nelle note: Errore nell'uso del marcatore
<ref>: non è stato indicato alcun testo per il marcatorescience - ^ Paragoni diretti con motori tradizionali in termini di forza di gioco sono tuttavia resi difficili dal fatto che le implementazioni sono ottimizzate per architetture hardware diverse. L'implementazione più naturale di un agente artificiale come Leela è basata su GPGPU, in quanto la valutazione della rete neurale può essere eseguita in maniera estremamente efficiente su una GPU. I motori tradizionali non sono invece capaci di sfruttarne in maniera altrettanto efficiente il massivo parallelismo, ma traggono vantaggio dall'elevata ottimizzazione delle moderne CPU nell'esecuzione di istruzioni complesse e con parallelismo il cui flusso di esecuzione è divergente.
- ^ Errore nelle note: Errore nell'uso del marcatore
<ref>: non è stato indicato alcun testo per il marcatoregithub