Vladimir Kramnik publicerar del två av sin metod för att upptäcka fusk, idag på World Chess
GMVladimir Kramnik, den 14:e obestridde världsmästaren i schack, har satt spelet i brand med sina ögonöppnande undersökningar av fusk. Nu är hans rapporter klara.
Förra veckan publicerade World ChessDel ett som beskrev grunden för hans resultat: att upptäcka motoranvändning är ett benchmarkproblem. Vi är tillbaka för att slutföra jobbet medDel två, som förklarar den faktiska metoden.
Kramniks centrala poäng är att de flesta anti-fusk-system gör ett misstag – de medelvärdesbildar allt. De tittar på en spelares totala noggrannhet, eller andelen drag som matchar motorns förstaval, över alla hans partier på en gång.
Vad fuskare gör
En sofistikerad fuskare besegrar detta lätt. Han använder motorn endast i kritiska ögonblick eller kritiska partier och spelar resten ärligt. Hans medelvärden håller sig inom normal mänsklig räckvidd.
Kramnik jämför detta med en läkare som rapporterar medeltemperaturen för sina patienter – hälften med feber, hälften för kalla – och drar slutsatsen att avdelningen är frisk. Medelvärdet är meningslöst när det döljer två mycket olika saker.
Hans lösning är att använda en bred uppsättning separata parametrar, var och en med sitt eget riktmärke, snarare än ett kombinerat tal. Exempel inkluderar noggrannhet i tidsnöd (10 sekunder eller mindre på klockan), blunderfrekvens, prestation i sämre ställningar och andelen svåra drag en spelare hittar.
En fuskare kan hålla sina totala siffror normala, men han kan inte hålla alla dessa individuella mått normala samtidigt.
Artikeln visar två diagram. Det första är GMMagnus Carlsen:s på varandra följande onlineblixtpartier: hans två vanligaste noggrannhetsnivåer ligger nära varandra, vilket är vad rent spel ser ut.
Det andra är en namnlös spelare med rating under 2600 vars två vanligaste nivåer ligger långt ifrån varandra – en på topp-tio-nivå, en på svag-stormästarnivå. Genomsnittet mellan dem ser normalt ut. Gapet mellan dem är varningstecknet.
Kramnik tar också upp den främsta kritiken mot hans metod – att isolera misstänkta "block" av partier är att plocka russinen ur kakan. Hans svar: fuskdetektering är inte standarddataanalys. Standardanalys förutsätter ren data; här kan du inte anta att något enskilt parti spelades rättvist, så att isolera de misstänkta sträckorna är den enda metod som fungerar.
Ladda ner del 2 av Kramniks rapport om fuskdetektering.