Vladimir Kramnik pubblica la seconda parte della sua metodologia di rilevamento del fair play, oggi su World Chess
GMVladimir Kramnik, il 14° campione del mondo di scacchi indiscusso, ha infiammato il gioco con le sue rivelatrici indagini sugli imbrogli. Ora i suoi rapporti sono completi.
La scorsa settimana World Chess ha pubblicatola prima parte che espone la premessa delle sue scoperte: rilevare l'uso del motore è un problema di benchmarking. Siamo tornati per completare il lavoro conla seconda parte, che spiega il metodo effettivo.
Il punto centrale di Kramnik è che la maggior parte dei sistemi anti-cheating commette un errore: fa una media di tutto insieme. Esaminano la precisione complessiva di un giocatore, o la percentuale di mosse che corrispondono alla scelta migliore del motore, in tutte le sue partite contemporaneamente.
Cosa fanno gli imbroglioni
Un imbroglione sofisticato sconfigge facilmente questo sistema. Usa il motore solo nei momenti critici o nelle partite critiche, e gioca il resto onestamente. Le sue medie rimangono entro il range umano normale.
Kramnik paragona questo a un medico che riporta la temperatura media dei suoi pazienti—metà con la febbre, metà troppo freddi—e conclude che il reparto è sano. La media è priva di significato quando nasconde due cose molto diverse.
La sua soluzione è usare un ampio insieme di parametri separati, ciascuno con il proprio benchmark, piuttosto che un unico numero combinato. Gli esempi includono la precisione nei time scramble (10 secondi o meno sull'orologio), il tasso di errori, la performance in posizioni peggiori e la percentuale di mosse difficili che un giocatore trova.
Un imbroglione può mantenere normali i suoi numeri complessivi, ma non può mantenere normali tutte queste misure individuali contemporaneamente.
L'articolo mostra due grafici. Il primo è delle partite blitz online consecutive di GMMagnus Carlsen: i suoi due livelli di precisione più comuni sono vicini tra loro, che è ciò che sembra un gioco corretto.
Il secondo è di un giocatore senza nome con rating sotto 2600 i cui due livelli più comuni sono molto distanti—uno a livello top-ten, uno a livello di gran maestro debole. La media tra di loro sembra normale. Il divario tra di loro è il segnale d'allarme.
Kramnik affronta anche la principale critica al suo approccio—che isolare "blocchi" sospetti di partite sia cherry-picking. La sua risposta: il rilevamento degli imbrogli non è un'analisi standard dei dati. L'analisi standard presuppone dati puliti; qui non si può dare per scontato che una singola partita sia stata giocata correttamente, quindi isolare i tratti sospetti è l'unico metodo che funziona.
Scarica la seconda parte dell'articolo di Kramnik sul rilevamento degli imbrogli.