Chess@Home

[fzs600]

 

Est-ce possible de traduire ce texte sur le but de ce projet ?

The purpose of this project is to construct a chess winnig possition classifier (or score estimator) based on some simple features (e.g. the number of pieces of each kind, number of squares controled by given side, numbers of checks that you can give in a possition and so on) The first goal of the project is to establish how far we can get with relatively cheap methods of position evaluation and simple data mining methods (eg. logistic regression, k-nearest neighbors, SVM, decision trees). The second goal is to use more advance machine learning techniques for recognition of winning position to emulate human behaviour of various levels of chess proficiency. This means we need good heuristic which will allow to narrow the range of positions to calculate in depth. There is a hope that modifying this heuristic from "more learnt" to "less learnt" we will obtain something similar to natural human levels.

To achieve this goals, in a first phase, I am going to build a vast database of chess positions (I collected already 25 mln and growing) and evaluate them with chess engine - my choice is open source Stockfish. For each position I will keep the score (in centipawns or moves to mate if discovered) and the best move. I assumed that for the purposes of this project it will be enough to calculate 5 000 000 nodes per position which requires an average 5 - 6 secs per position for one core (~2.5 GHz). To evaluate 25 mln possition on one core I would need 6 x 25 mln = 150 mln sec, which means 41 666 hours, 1736 full days. And 25 mln is only the number of possitions in games of known chess masters (that I have), which means games on a good level. I also plan to add more games from less advanced players from FISC game database to have also relatively weaker positions. So the overall number of positions can reach easily hundreds of millions. It is impossible to build desired database within single computer, so the only chance for me to complete my project is to use generosity of BOINC community. Later, after first phase of data collecting, BOINC will be still used for some part of machine learning phase.

With the help of Poland BOINC foundation, special thanks for Krzysztof Piszczek - who is my mentor in the BOINC world, I managed to set up BOINC server and begin Chess@Home project. I am quite newb in BOINC community so I welcome all comments concerning this project - please write all questions and suggestions on forum.

The main application of the project at client side is chessathome (e.g. in Windows: chessathome_1_windows_intelx86.exe), but it's only a provider that runs stockfish.exe which is chess engine from www.stockfishchess.org. The process stockfish.exe uses CPU extensively as it is totally responsible for possition evaluation. I set 9 credits per task (~10 min on 2.5 GHz core).

http://chess.qugate.org/

Merci.

[[AF>Libristes>Jip] otax]

Hello 

Je vais le faire.

++

[fzs600]

Hello 

Je vais le faire.

++

[[AF>Libristes>Jip] otax]

Oui, d'autant que Krzystof a demandé de l'intégrer au FB, et que je lui ai dit qu'on n'intégrait aucun projet en 2014.
Donc je lui ai dit qu'on va faire de la promo dessus dans l'AF.

Et pourquoi pas un ptit RAID de bienvenue .... 

LOL...

[[AF>Libristes>Jip] otax]

Voilà, c'est un peu technique pour ceux qui ne connaissent pas les échecs, mais compréhensible quand même.

Le but de ce projet est de construire un classificateur de positions gagnantes pour les échecs (ou estimateur de score) sur la base de certaines caractéristiques simples (par exemple, le nombre de pièces de chaque type , le nombre de positions en échec par camp, le nombre de mise en échec  que vous pouvez donner à une position et ainsi de suite ). L'objectif premier de ce projet est de déterminer dans quelle mesure nous pouvons obtenir avec des méthodes relativement bon marché l'évaluation des positions et des méthodes d'extraction de données simples (par exemple de régression logistique , k-plus-proches voisins , SVM , arbres de décision) . Le deuxième objectif est d'utiliser des techniques d'apprentissage machine plus avancées pour reconnaitre des positions gagnante afin d'imiter le comportement humain selon ses différents niveaux de compétence aux échecs. Cela signifie que nous devons utiliser les bonnes heuristiques (algorithme) qui permettront de réduire l'éventail des positions pour calculer en profondeur . Il y a un espoir qu'en faisant varier cette heuristique de « plus savant » à « moins expérimenté» nous allons obtenir quelque chose de similaire à des niveaux de l'homme réel.

Pour atteindre cet objectif , dans une première phase , je vais construire une vaste base de données de positions d'échecs ( j'en ai collectionné déjà 25 millions et cela s'accroit) et les évaluer avec un moteur d'échecs séparé - mon choix est l'open source « Stockfish » . Pour chaque position , je vais utliser le score (en centipawns (mesure d'avantage) ou en déplacements pour mater si connu) et le meilleur coup. Je suppose que pour les besoins de ce projet, il sera suffisant de calculer 5 000 000 de nœuds par position, ce qui nécessite une moyenne de 5 - 6 secondes par position pour un CPU à 1 coeur (~ 2,5 GHz ) . Pour évaluer 25 millions de position sur un CPU à 1 cœur  j'aurai besoin de 6 x 25 millions = 150 millions sec , ce qui signifie 41 666 heures , 1736 jours pleins . Et 25 millions n'est que le nombre de positions dans les parties des maîtres d'échecs connus (que j'ai) , ce qui signifie des jeux d'un bon niveau . Je prévois également d'ajouter d'autres parties de joueurs moins avancés de la base de données de jeu FISC de manière à avoir des aussi positions relativement faibles. Ainsi, le nombre total de positions peut atteindre facilement des centaines de millions . Il est impossible de construire la base de données désirée avec un seul ordinateur , de sorte que la seule chance pour moi de terminer mon projet est d'utiliser la générosité de la communauté BOINC . Plus tard , après la première phase de collecte de données , BOINC sera encore utilisé pour une partie de la phase d'apprentissage de la machine.

Avec l' aide de la fondation BOINC Poland , remerciements spéciaux à Krzysztof Piszczek - qui est mon mentor dans le monde BOINC , j'ai réussi à configurer un serveur BOINC et commencer Chess@ Home. Je suis tout à fait novice dans la communauté BOINC je salue tous les commentaires concernant ce projet - merci de poster toutes vos questions et suggestions sur le forum.

L'application principale du projet du côté client est chessathome (par exemple dans Windows : chessathome_1_windows_intelx86.exe ) , mais c'est seulement un fournisseur qui fait fonctionner stockfish.exe qui est le moteur d'échecs de www.stockfishchess.org . Stockfish.exe utilise le CPU de façon extensive car il est totalement responsable de l'évaluation de la position .
J 'attribuerai 9 crédits par Unité de Travail (~ 10 min pour 1 CPU 1coeur à 2,5  GHz) .

[fzs600]

otax merci pour la traduction. 

[[AF>Libristes>Jip] otax]

De rien.

[[AF>Libristes>Jip] Elgrande71]

Merci otax . 

[modesti]

Juste quelques "s" et espaces, et je me suis permis de remplacer "l'homme réel" par "l'être humain"

*****
Le but de ce projet est de construire un classificateur de positions gagnantes pour les échecs (ou estimateur de score) sur la base de certaines caractéristiques simples (par exemple, le nombre de pièces de chaque type, le nombre de positions en échec par camp, le nombre de mises en échec que vous pouvez donner à une position et ainsi de suite). L'objectif premier de ce projet est de déterminer dans quelle mesure nous pouvons obtenir avec des méthodes relativement bon marché l'évaluation des positions et des méthodes d'extraction de données simples (par exemple de régression logistique, k-plus-proches voisins, SVM, arbres de décision). Le deuxième objectif est d'utiliser des techniques d'apprentissage machine plus avancées pour reconnaitre des positions gagnantes afin d'imiter le comportement humain selon ses différents niveaux de compétence aux échecs. Cela signifie que nous devons utiliser les bonnes heuristiques (algorithmes) qui permettront de réduire l'éventail des positions pour calculer en profondeur. Il y a un espoir qu'en faisant varier cette heuristique de « plus savant » à « moins expérimenté » nous allons obtenir quelque chose de similaire à des niveaux de l'être humain.

Pour atteindre cet objectif, dans une première phase, je vais construire une vaste base de données de positions d'échecs (j'en ai collectionné déjà 25 millions et cela s'accroit) et les évaluer avec un moteur d'échecs séparé - mon choix est l'open source « Stockfish ». Pour chaque position, je vais utiliser le score (en centipawns (mesure d'avantage) ou en déplacements pour mater si connu) et le meilleur coup. Je suppose que pour les besoins de ce projet, il sera suffisant de calculer 5 000 000 de nœuds par position, ce qui nécessite une moyenne de 5 - 6 secondes par position pour un CPU à 1 cœur (~ 2,5 GHz). Pour évaluer 25 millions de positions sur un CPU à 1 cœur j'aurai besoin de 6 x 25 millions = 150 millions sec, ce qui signifie 41 666 heures, 1736 jours pleins. Et 25 millions n'est que le nombre de positions dans les parties des maîtres d'échecs connus (que j'ai), ce qui signifie des jeux d'un bon niveau. Je prévois également d'ajouter d'autres parties de joueurs moins avancés de la base de données de jeu FISC de manière à avoir aussi des positions relativement faibles. Ainsi, le nombre total de positions peut atteindre facilement des centaines de millions. Il est impossible de construire la base de données désirée avec un seul ordinateur, de sorte que la seule chance pour moi de terminer mon projet est d'utiliser la générosité de la communauté BOINC. Plus tard, après la première phase de collecte de données, BOINC sera encore utilisé pour une partie de la phase d'apprentissage de la machine.

Avec l'aide de la fondation BOINC Poland, remerciements spéciaux à Krzysztof Piszczek - qui est mon mentor dans le monde BOINC, j'ai réussi à configurer un serveur BOINC et commencer Chess@Home. Je suis tout à fait novice dans la communauté BOINC je salue tous les commentaires concernant ce projet - merci de poster toutes vos questions et suggestions sur le forum.

L'application principale du projet du côté client est chessathome (par exemple dans Windows : chessathome_1_windows_intelx86.exe), mais c'est seulement un fournisseur qui fait fonctionner stockfish.exe qui est le moteur d'échecs de www.stockfishchess.org. Stockfish.exe utilise le CPU de façon extensive car il est totalement responsable de l'évaluation de la position.
J 'attribuerai 9 crédits par Unité de Travail (~ 10 min pour 1 CPU 1 cœur à 2,5 GHz).

[[AF>Libristes>Jip] Elgrande71]

Merci modesti pour ces corrections . 

[[AF>Libristes>Jip] otax]

Arigatou pour la relecture 

[fzs600]

Merci modesti pour ces corrections .