Projekt: Emulation of humanlike behaviour in chess: An optimization of an MTD-f search based chess engine

Głównym celem badań było zakodowanie maszyny szachowej przy użyciu języka programowania Python, która wykonywałaby jak najbardziej ludzkie ruchy w sytuacjach szachowych. Podeszliśmy do tego problemu w nowatorski sposób: zamiast używać sieci neuronowych, wykorzystaliśmy klasyczne architektury silników do opracowania sztucznej inteligencji. Zbudowaliśmy trzy różne maszyny, modyfikując algorytm wyszukiwania Sunfish, silnika szachowego. Dostosowań dokonano na podstawie wydajności silnika w pozycjach, w których grali ludzie. Odkryliśmy, że głębokość wyszukiwania miała znaczącą dodatnią korelację z poziomem Elo. Ostatecznie nasza sztuczna inteligencja nie grała w bardziej ludzki sposób niż oryginał. Wnioskujemy, że nasza metoda optymalizacji nie jest najskuteczniejsza w porównaniu z alternatywami.