导读科学家使用AlphaZero(一种自适应学习系统，可以从头开始自学新规则并达到超人的游戏水平)来测试他们在Kramnik的帮助下预定义的九种不同国际
科学家使用AlphaZero(一种自适应学习系统，可以从头开始自学新规则并达到超人的游戏水平)来测试他们在Kramnik的帮助下预定义的九种不同国际象棋变体的结果。
对于每个变体，AlphaZero都会对自己进行数以万计的游戏，分析给定棋盘条件下的所有可能动作，并生成新的策略和游戏方式。然后，克拉姆尼克和研究人员评估了如果采用这些变体，人类玩家之间的游戏会是什么样子，以找出不同的规则集是否可以改善游戏。
国际象棋在过去的几个世纪中有了长足的发展，新的变体形式不断涌现，以改善传统游戏的感知问题，或在比赛中引入新的复杂性。更改规则可能会对游戏策略，可玩性和动态性产生巨大影响-但从历史上看，随着时间的推移，只有观察足够多的人类玩家，才能理解实施特定国际象棋变体的后果。
DeepMind的研究人员说：“在这些规则变化下训练AlphaZero模型有助于我们在几个小时内有效模拟数十年的人类游戏，并回答'假设'问题：在每种发达的理论下，游戏的潜能将是什么样子国际象棋变体。”