Vladimir Kramnik publikuje drugą część swojej metodologii wykrywania oszustw, dziś na World Chess

GMVladimir Kramnik, 14. niekwestionowany mistrz świata w szachach, rozpalił grę swoimi otwierającymi oczy dochodzeniami w sprawie oszustw. Teraz jego raporty są kompletne.

W zeszłym tygodniu World Chess opublikowało Część pierwszą przedstawiającą założenia jego odkryć: wykrywanie użycia silnika to problem benchmarkingu. Wracamy, aby dokończyć pracę z Częścią drugą, wyjaśniającą faktyczną metodę.

Głównym punktem Kramnika jest to, że większość systemów antyoszukańczych popełnia jeden błąd – uśredniają wszystko razem. Patrzą na ogólną dokładność gracza lub procent ruchów zgodnych z najlepszym wyborem silnika, we wszystkich jego partiach naraz.

Co robią oszuści

Wyrafinowany oszust łatwo to pokonuje. Używa silnika tylko w krytycznych momentach lub krytycznych partiach, a resztę gra uczciwie. Jego średnie mieszczą się w normalnym ludzkim zakresie.

Kramnik porównuje to do lekarza, który podaje średnią temperaturę swoich pacjentów – połowa z gorączką, połowa zbyt zimna – i stwierdza, że oddział jest zdrowy. Średnia jest bez znaczenia, gdy ukrywa dwie bardzo różne rzeczy.

Jego rozwiązaniem jest użycie szerokiego zestawu oddzielnych parametrów, każdy z własnym benchmarkiem, zamiast jednej połączonej liczby. Przykłady obejmują dokładność w końcówkach czasowych (10 sekund lub mniej na zegarze), wskaźnik błędów, wyniki w gorszych pozycjach oraz udział trudnych ruchów, które gracz znajduje.

Oszust może utrzymać swoje ogólne liczby w normie, ale nie może utrzymać wszystkich tych indywidualnych miar jednocześnie w normie.

Artykuł pokazuje dwa wykresy. Pierwszy to kolejne internetowe partie błyskawiczne GM Magnusa Carlsena: jego dwa najczęstsze poziomy dokładności są blisko siebie, co wygląda jak uczciwa gra.

Drugi to nienazwany gracz z rankingiem poniżej 2600, którego dwa najczęstsze poziomy są daleko od siebie – jeden na poziomie top 10, drugi na poziomie słabego arcymistrza. Średnia między nimi wygląda normalnie. Różnica między nimi jest sygnałem ostrzegawczym.

Kramnik odnosi się również do głównej krytyki swojego podejścia – że izolowanie podejrzanych „bloków” partii jest wybiórczością. Jego odpowiedź: wykrywanie oszustw nie jest standardową analizą danych. Standardowa analiza zakłada czyste dane; tutaj nie można założyć, że jakakolwiek pojedyncza partia została rozegrana uczciwie, więc izolowanie podejrzanych fragmentów jest jedyną metodą, która działa.

Pobierz część 2 artykułu Kramnika o wykrywaniu oszustw.