Vladimir Kramnik publiceert deel twee van zijn Fair Play Detection-methodologie, vandaag op World Chess.

Deel één zette de premisse uiteen: het detecteren van enginegebruik is een benchmarkprobleem. Deel twee legt de daadwerkelijke methode uit.

Kramniks centrale punt is dat de meeste anti-cheatsystemen één fout maken: ze middelen alles samen. Ze kijken naar de algehele nauwkeurigheid van een speler, of het percentage zetten dat overeenkomt met de topkeuze van de engine, over al zijn partijen tegelijk. Een geavanceerde valsspeler verslaat dit gemakkelijk. Hij gebruikt de engine alleen op kritieke momenten of in kritieke partijen, en speelt de rest eerlijk. Zijn gemiddelden blijven binnen het normale menselijke bereik.

Kramnik vergelijkt dit met een arts die de gemiddelde temperatuur van zijn patiënten rapporteert — de helft met koorts, de helft te koud — en concludeert dat de afdeling gezond is. Het gemiddelde is betekenisloos als het twee heel verschillende dingen verbergt.

Zijn oplossing is om een brede set van afzonderlijke parameters te gebruiken, elk met zijn eigen benchmark, in plaats van één gecombineerd getal. Voorbeelden zijn nauwkeurigheid in tijdnood (10 seconden of minder op de klok), blunderpercentage, prestatie in slechtere stellingen en het aandeel moeilijke zetten dat een speler vindt. Een valsspeler kan zijn algemene cijfers normaal houden, maar hij kan niet al deze individuele maatstaven tegelijkertijd normaal houden.

Het artikel toont twee grafieken. De eerste is Magnus Carlsens opeenvolgende online blitzpartijen: zijn twee meest voorkomende nauwkeurigheidsniveaus liggen dicht bij elkaar, wat eerlijk spel kenmerkt. De tweede is een niet bij naam genoemde speler met een rating onder 2600, wiens twee meest voorkomende niveaus ver uit elkaar liggen — één op top-tien-niveau, één op zwak-grootmeesterniveau. Het gemiddelde ertussen ziet er normaal uit. De kloof ertussen is het waarschuwingssignaal.

Kramnik gaat ook in op de belangrijkste kritiek op zijn aanpak — dat het isoleren van verdachte 'blokken' partijen kersenplukken is. Zijn antwoord: valsspelen detecteren is geen standaard data-analyse. Standaardanalyse gaat uit van schone data; hier kun je niet aannemen dat een enkele partij eerlijk is gespeeld, dus het isoleren van de verdachte stukken is de enige methode die werkt.

Download deel 2 van Kramniks paper over valsspelen detecteren.