Vladimir Kramnik publica la Segunda Parte de su metodología de Detección de Juego Limpio, hoy en World Chess.

Primera Parte planteó la premisa: detectar el uso de engine es un problema de evaluación comparativa. La Segunda Parte explica el método real.

El punto central de Kramnik es que la mayoría de los sistemas antidopaje cometen un error: promedian todo junto. Observan la precisión general de un jugador, o el porcentaje de movimientos que coinciden con la mejor opción del engine, en todas sus partidas a la vez. Un tramposo sofisticado lo supera fácilmente. Usa el engine solo en momentos críticos o partidas críticas, y juega el resto honestamente. Sus promedios se mantienen dentro del rango humano normal.

Kramnik compara esto con un médico que informa la temperatura promedio de sus pacientes — la mitad con fiebre, la mitad demasiado fría — y concluye que la sala está sana. El promedio no tiene sentido cuando oculta dos cosas muy diferentes.

Su solución es usar un amplio conjunto de parámetros separados, cada uno con su propio punto de referencia, en lugar de un número combinado. Los ejemplos incluyen precisión en apuros de tiempo (10 segundos o menos en el reloj), tasa de errores graves, rendimiento en posiciones inferiores y la proporción de movimientos difíciles que encuentra un jugador. Un tramposo puede mantener sus números generales normales, pero no puede mantener todas estas medidas individuales normales al mismo tiempo.

El documento muestra dos gráficos. El primero son las partidas consecutivas de blitz online de Magnus Carlsen: sus dos niveles de precisión más comunes están cerca uno del otro, que es lo que parece el juego limpio. El segundo es un jugador sin nombre con rating inferior a 2600 cuyos dos niveles más comunes están muy separados — uno a nivel de los diez mejores, otro a nivel de gran maestro débil. El promedio entre ellos parece normal. La brecha entre ellos es la señal de advertencia.

Kramnik también aborda la principal crítica a su enfoque — que aislar "bloques" sospechosos de partidas es seleccionar datos convenientemente. Su respuesta: la detección de trampas no es un análisis de datos estándar. El análisis estándar asume datos limpios; aquí no se puede asumir que ninguna partida individual se haya jugado limpiamente, por lo que aislar los tramos sospechosos es el único método que funciona.

Descargue la parte 2 del artículo de Kramnik sobre detección de trampas.