שאלה יפה. אינני מומחה לבינה מלאכותית ובודאי לא לשחמט, אבל אנסה בכל זאת. העובדה שניתן להשתמש בשיטות הסתברותיות בבינה מלאכותית אין משמעה שמחשבים את הסתברות ההצלחה במשחק. למידת מכונה משתמשת בשיטות הסתברותיות כדי להגדיר מסווגים: אלו פונקציות מתימטיות שיודעות לסווג אוביקטים למחלקות שונות (למשל, האוביקטים יכולים להיות תמונות, והמחלקות יהיו, נגיד, תמונות של בעלי חיים לעומת תמונות של מכוניות; באותו אופן, האוביקטים יכולים להיות ייצוגים של לוחות שחמט, והמחלקות יהיו לוחות ״טובים״ ללבן לעומת לוחות ״גרועים״ ללבן). כיצד בונים מסווגים כאלו? על ידי אימון: מציגים לאלגוריתם למידה הרבה מאוד אוביקטים, שלצידם הקטיגוריה שלהם (למשל, הרבה תמונות שכתוב עליהן אם הן תמונה של חיה או של מכונית; ובאותו אופן, הרבה לוחות שחמט שונים שכתוב לידם האם בהמשך המשחק הלבן ניצח או לא). אלגוריתם הלמידה מסוגל להכליל את הדוגמאות לפונקציה כללית שבהינתן אוביקט (לוח שחמט) תקבע את הקטיגוריה שלו (טוב ללבן או לא טוב ללבן). תוכנת שחמט תוכל אז להשתמש בפונקציה הזאת כדי להתקדם במשחק.

 

עכשיו, אלגוריתם הלמידה (שהוא כללי לגמרי, כלומר אינו תלוי לא בזהות האוביקטים ולא בזהות הקטיגוריות) משתמש בשיטות סטטיסטיות. אבל הוא אינו נדרש לדעת כלום על שחמט, ובפרט אינו קובע מהי ההסתברות לזכות במשחק. הוא רק יודע לומר אם אוביקט מסוים (לוח אפשרי שמתקבל כתוצאה ממסע מסוים) הוא טוב או לא. לפעמים הוא גם יודע לתת ציון ממש, כלומר לדרג לוחות שונים לפי התועלת שלהם ללבן. בכל מקרה, הגישות ההסתברותיות הללו אינן מבטיחות הצלחה, ואיכות הסיווג היא על פי רוב פחות מ-100%.

 

הדרך הנכונה לענות על השאלה בהרחבה היא ללמוד שיעור מבוא לשיטות הסתברותיות בלמידת מכונה. יש הרבה כאלו ברשת.

 

מקווה שעזרתי מעט,