Chess AI

задачаproblem

Классические движки вроде Stockfish живут на оценочных функциях, написанных людьми: тысячи правил, каждое из которых кто-то придумал и отладил вручную.

Classic engines like Stockfish run on evaluation functions written by people: thousands of rules, each of them thought up and tuned by hand.

решениеapproach

Реализация подхода AlphaZero: сеть с головами policy и value обучается через самоигру и Monte Carlo Tree Search, примерно 800 симуляций на ход. Цель — 1500 ELO. Обучение идёт на Apple M4 Pro через MPS и переносится на CUDA без правок.

An AlphaZero-style implementation: a network with policy and value heads trained through self-play and Monte Carlo tree search, roughly 800 simulations per move. Target: 1500 ELO. Training runs on an Apple M4 Pro through MPS and moves to CUDA unchanged.

стекstack

• Python
• PyTorch
• MCTS
• python-chess
• PyQt6
• Apple MPS
• CUDA

что умеетwhat it does

• Обучение через самоигру в духе AlphaZeroAlphaZero-style self-play training
• Monte Carlo Tree Search под управлением сетиMonte Carlo tree search guided by the network
• Одна сеть с головами policy и valueA single network with policy and value heads
• Десктопный интерфейс с перетаскиванием фигурDesktop interface with drag-and-drop pieces
• Обучение на Apple M4 Pro через backend MPSTraining on an Apple M4 Pro through the MPS backend
• Книга дебютов для начала партийAn opening book for the first moves
• Чекпоинты модели — обучение можно прервать и продолжитьModel checkpoints — training can stop and resume

архитектураarchitecture

Self-play loop:
  Neural network → MCTS → game → training data
  ↓ repeat over thousands of games

Neural network:
  Input: 8×8 board state (119 planes)
  → ResNet backbone
  → policy head (move probabilities)
  → value head (position evaluation)

MCTS: ~800 simulations per move
  → selection → expansion → evaluation → backprop