छोटकरीमा
- chessGM इन्जिनले Apple को Chess एप (Chess.app) भित्रको चेस इन्जिन Sjeng 11.2 विरुद्ध यसको सबैभन्दा बलियो सेटिङमा १० खेल खेल्यो र सबै १० जित्यो, हरेक चेकमेटबाट, हरेक रङमा पाँच ओपनिङ लाइनसहित।
- Chess.app को सबैभन्दा बलियो सेटिङमा “Computer thinks 256 seconds per move” लेखिएको हुन्छ, तर इन्जिनले वास्तवमा त्यति लामो समय प्रयोग गर्दैन। हामीले प्रतिचाल करिब ६.३ देखि ६.५ सेकेन्ड प्रोसेसर समय नापेका थियौं, र chessGM लाई घडीमा उही समय दियौं। Sjeng ले वास्तवमा chessGM भन्दा अलि बढी औसत समय लियो।
- गहिराइ १६ मा हरेक चालमाथि चलाइएको Stockfish ले Sjeng का ५ ब्लन्डर, ८ गल्ती र १४ अशुद्धता, र chessGM को १ अशुद्धता भेट्यो। औसत सेन्टिप्यादा नोक्सान chessGM को ९.५ र Sjeng को ५०.४ थियो।
- यी खेलबाट हामीले Sjeng लाई रेटिङ मापनमा राखेनौं, किनभने दस हारले माथिल्लो सीमा मात्र दिन्छ। Stockfish विरुद्धका १२ खेलको अलग सेटले यसलाई Stockfish को आफ्नै UCI_Elo मापनमा करिब २५५७ मा राख्छ, २३१३ देखि २७९७ को फराकिलो दायराका साथ। त्यो मापन chess.com वा मानव रेटिङ होइन।
- यी कम्प्युटर-बनाम-कम्प्युटर खेल हुन्। यहाँको कुनै कुराले दुवै इन्जिनले मानिससँग कस्तो खेल्छन् भन्दैन। Apple र Chess.app Apple का नाम हुन्, र Apple ले यो परीक्षणमा भाग लिएको वा स्वीकृति दिएको छैन।
हामीले के गर्यौं, र यो कति निष्पक्ष थियो
Chess.app macOS सँगै आउँछ र Sjeng नामको इन्जिनले खेल्छ। हालको chessGM इन्जिन यसको उत्कृष्ट अवस्थासँग कसरी तुलना हुन्छ जान्न हामीले पाँच ओपनिङ लाइनबाट दस खेल खेल्यौं, दुवै रङबाट, ताकि कुनै पक्षले ओपनिङको सजिलो पक्ष मात्र नपाओस्।
- chessGM: यसको हालको इन्जिन, १ थ्रेड र ६४ MB ह्यास, अर्थात् एउटा कोरमा साधारण सेटअप।
- Sjeng: संस्करण ११.२, Chess.app भित्र पठाइएको जस्तै, बल स्लाइडरलाई सबैभन्दा दायाँसम्म धकेलिएको।
- समय: Chess.app को शीर्ष सेटिङले १२ को खोज समय मान भण्डारण गर्छ र Sjeng लाई घडीको आदेशबिना ३० को गहिराइ सीमा मात्र पठाउँछ। व्यवहारमा Sjeng ले प्रतिचाल करिब ६.३ देखि ६.५ सेकेन्ड प्रोसेसर समय खर्च गर्यो। हामीले chessGM लाई उही वास्तविक समय दियौं। दसै खेलको औसतमा chessGM ले प्रतिचाल करिब ६.४ सेकेन्ड र Sjeng ले करिब ७.६ सेकेन्ड प्रयोग गर्यो, त्यसैले Sjeng ले अलि बढी समय पायो।
- Sjeng का लागि पोन्डरिङ (विपक्षीको समयमा सोच्ने) बन्द गरिएको थियो।
एउटा महत्त्वपूर्ण विवरण: खेलहरू हेडलेस (स्क्रिनबिना) खेलिएका थिए, दुवै इन्जिन Chess.app ले प्रयोग गर्ने उही sjeng प्रोग्राममार्फत चलाइए, किनभने Chess.app लाई अर्को प्रोग्रामले प्रत्यक्ष चलाउन सक्दैन। तल दिइएका Chess.app का स्क्रिनसट पुनः प्रदर्शन हुन्: पछि हामीले हरेक खेल एपमा खोल्यौं र विन्डोको फोटो लियौं। तिनले वास्तविक एप र वास्तविक चाल देखाउँछन्, त्यसभित्र चलेको प्रत्यक्ष खेल होइन।
हरेक खेल
शुद्धता भनेको हरेक पक्षका चाल यसले भेटेका उत्तम चालसँग कति नजिक थिए भन्ने गहिरो समीक्षाको ० देखि १०० को अङ्क हो। गहिरो समीक्षाले प्रतिचाल १८ अर्ध-चाल खोज्छ र chessGM एपमा प्रयोग गरिने उही समीक्षा हो।
| # | chessGM | नतिजा | chessGM को शुद्धता | Sjeng को शुद्धता |
|---|---|---|---|---|
| 1 | सेतो | १-० मात | 97.8 | 89.6 |
| 2 | कालो | ०-१ मात | 96.7 | 92 |
| 3 | सेतो | १-० मात | 98.2 | 95.3 |
| 4 | कालो | ०-१ मात | 98.4 | 96.1 |
| 5 | सेतो | १-० मात | 99.3 | 82.4 |
| 6 | कालो | ०-१ मात | 98.5 | 86.5 |
| 7 | सेतो | १-० मात | 98.2 | 85.3 |
| 8 | कालो | ०-१ मात | 96.2 | 92.8 |
| 9 | सेतो | १-० मात | 95.6 | 72.3 |
| 10 | कालो | ०-१ मात | 98.4 | 90.6 |
सबै १० खेल एउटै PGN फाइलमा डाउनलोड गर्नुहोस्
तीन समीक्षामा शुद्धता
तीन विश्लेषकले गहिराइ र मूल्याङ्कनलाई अङ्कमा बदल्ने तरिकामा फरक गर्छन्, तर चित्रमा सहमत छन्: chessGM ले विश्लेषकले भेट्न सक्ने उत्तम चालको नजिक खेल्यो, र Sjeng ले सानाठूला त्रुटिको निरन्तर शृङ्खला गर्यो। उही समयमा Sjeng को खोज गहिराइ औसतमा करिब १०.५ अर्ध-चाल थियो भने chessGM को करिब २१.९।
खेल कसरी अघि बढे
मुख्य क्षण
खेल ९: सबैभन्दा छोटो जित, h7 मा ऊँटको बलिदान
खेल ९ दसमध्ये सबैभन्दा छोटो हो: सेतोमा chessGM ले Bogo-Indian लाइनबाट १९ चाल (३७ प्लाई) मा जित्यो। तलको स्थिति मोडअघिको हो। हरियो तीर इन्जिनले खेलेको चाल हो।
खेल १: Sjeng को सबैभन्दा ठूलो चुक
खेल ३: लामो खेलमा एउटा ब्लन्डर
गल्तीबारे Stockfish ले के भन्यो
हामीले गहिराइ १६ मा Stockfish लाई हरेक खेलको हरेक चाललाई यसको उत्तम चालको तुलनामा मूल्याङ्कन कति घट्यो भनेर श्रेणीकरण गर्न लगायौं। त्यस मापनले दस खेलमा Sjeng ले ५ ब्लन्डर, ८ गल्ती र १४ अशुद्धता गर्यो। chessGM ले एउटा अशुद्धता गर्यो, कुनै गल्ती वा ब्लन्डर गरेन। औसत सेन्टिप्यादा नोक्सान, हरेक पक्षका चाल Stockfish को उत्तम चालबाट कति टाढा थिए भन्ने मोटामोटी मापन, chessGM को ९.५ र Sjeng को ५०.४ थियो। यी एउटा विश्लेषकको राय हुन्, त्यसैले हामी यिनलाई दोस्रो दृष्टिका रूपमा प्रयोग गर्छौं, प्रमाणका रूपमा होइन।
Sjeng अधिकतममा कति बलियो छ? इमानदार उत्तर
१०–० अङ्कले chessGM स्पष्ट रूपमा बलियो छ भन्छ। यसले कति भन्न सक्दैन, किनभने पूर्ण नतिजामा अर्को पक्षको माथिल्लो सीमा हुँदैन। दस हारले Sjeng लाई माथिबाट सीमित गर्छ: यसको रेटिङको ९५ प्रतिशत माथिल्लो सीमा करिब २९९४ हो, जुन धेरै जानकारीमूलक छैन।
यसलाई राम्ररी राख्न हामीले Sjeng लाई निश्चित बल सेटिङ (यसको UCI_Elo मापन) मा सीमित Stockfish विरुद्ध खेलायौं, जम्मा १२ खेल: Stockfish को २३००, २६०० र २९०० सेटिङविरुद्ध चार-चार। Sjeng ले २३०० विरुद्ध ७५ प्रतिशत, २६०० विरुद्ध ६२.५ प्रतिशत र २९०० विरुद्ध शून्य अङ्क ल्यायो। अधिकतम-सम्भाव्यता फिटले Sjeng लाई त्यो मापनमा करिब २५५७ मा राख्छ, २३१३ देखि २७९७ को ९५ प्रतिशत दायरासहित। १२ खेल सानो नमुना भएकाले दायरा फराकिलो छ। ती खेलमा Stockfish ले प्रतिचाल १ सेकेन्ड र Sjeng ले करिब ६.५ सेकेन्ड पायो।
त्यसैले कृपया यसलाई सटीक अङ्कका रूपमा होइन, “Stockfish को मापनमा २५०० को मध्यतिर कतै” भनेर पढ्नुहोस्। त्यो मापन लामो समय नियन्त्रणमा इन्जिन रेटिङमा टाँसिएको छ। यो chess.com को बट मापन होइन र मानव रेटिङ पनि होइन, र तिनीहरूसँग तुलना गर्नु हुँदैन।
अङ्कले के बुझाउँछन् र के बुझाउँदैनन्
- दस खेल सानो नमुना हो। १०–० भन्दा शुद्धता र त्रुटिमा देखिएको स्पष्ट खाडल बलियो प्रमाण हो।
- दुवै पक्ष हाम्रै हार्डवेयरमा प्रतिचाल करिब उही समयमा चले। फरक मेसिन वा समय नियन्त्रणले विवरण बदल्नेछ।
- यहाँ Sjeng संस्करण ११.२ हो, पोन्डरिङ बन्द गरेर Chess.app को सबैभन्दा बलियो सेटिङमा, र chessGM यसको हालको इन्जिन एउटा थ्रेडमा हो। अन्य सेटिङले अन्य नतिजा दिन्छन्।
- यी कम्प्युटर खेल हुन्। यहाँको कुनै कुराले दुवै इन्जिनले मानिसविरुद्ध कस्तो गर्थे भन्दैन, र खेलहरू रेटिङयुक्त वा प्रतिस्पर्धात्मक थिएनन्।
- स्क्रिनसट Chess.app मा खोलिएका पुनः प्रदर्शन हुन्, प्रत्यक्ष खेल होइनन्।
- शुद्धताका अङ्क हरेक विश्लेषकको आफ्नै मापन हुन् र जित्ने पक्षले उच्च अङ्क सजिलै पाउँछ।
यो आफैं कसरी दोहोर्याउने: Mac मा Chess खोल्नुहोस् (macOS सँगै आउने एप) र Human vs. Computer सहित New Game रोज्नुहोस्, त्यसपछि कम्प्युटर सेटिङलाई Stronger तिर सार्नुहोस्। भित्रको इन्जिन Sjeng हो। यससँग खेल्नुहोस्, त्यसपछि मूल्याङ्कन कहाँ सर्यो हेर्न खेललाई जुनसुकै विश्लेषण उपकरणमा पेस्ट गर्नुहोस्। प्रत्यक्ष खेल्दा तपाईंले हामीले प्रयोग गरेको बराबर समयको अवस्था पाउनुहुन्न, किनभने एपको आफ्नै टाइमर इन्जिनले वास्तवमा प्रयोग गर्ने समय होइन, तर Sjeng लाई आफैं हेर्ने यो सबैभन्दा छिटो तरिका हो।
आफैं प्रयास गर्नुहोस्
यो प्रतिवेदनको इन्जिन chessGM पछाडिको इन्जिन हो। तपाईं यसलाई आफूले रोजेको बलमा खेल्न, यहाँ हामीले प्रयोग गरेका उही छिटो र गहिरो समीक्षाले आफ्ना खेलको समीक्षा गर्न, र आफ्नो रेटिङका लागि प्रशिक्षण योजना पछ्याउन सक्नुहुन्छ। एप र यसको मार्गदर्शन दुवै निःशुल्क छन्।
chessGM प्रयोगकर्ता मार्गदर्शन पढ्नुहोस्
अघिल्लो प्रतिवेदन: chessGM बनाम chess.com का कम्प्युटर बट
स्रोत
- दस खेल: माथि लिङ्क गरिएको PGN फाइल, २० अक्टोबर २०२६ मा हेडलेस खेलिएको।
- शुद्धता र लेबल: chessGM एपको छिटो (गहिराइ १२) र गहिरो (गहिराइ १८) समीक्षा, र गहिराइ १६ मा Stockfish १९।
- क्यालिब्रेसन: UCI_Elo २३००, २६०० र २९०० मा Stockfish विरुद्ध Sjeng का १२ खेल, अधिकतम-सम्भाव्यता फिट र ९५ प्रतिशत सम्भाव्यता अन्तरालसहित।
- Apple, Mac, macOS र Chess Apple का नाम र ट्रेडमार्क हुन्, यहाँ सादा टेक्स्टका रूपमा प्रयोग गरिएका छन्। हामी Apple सँग सम्बद्ध छैनौं, र Apple ले यो परीक्षणमा भाग लिएन।
लेखकबारे
22Softwares ग्रीसको थेसालोनिकी र बङ्गलादेशको ढाकामा रहेको सफ्टवेयर कम्पनी हो। हामी chessGM र Carrom by 22Softwares बनाउँछौं र चलाउँछौं। यो प्रतिवेदन chessGM इन्जिन टोलीले तयार पारेको तथ्याङ्कबाट 22Softwares टोलीले लेखेको हो। प्रश्न र सुधार info@22softwares.com मा स्वागत छ।
chessGM टोलीको Apple Chess प्रतिवेदन (२० अक्टोबर २०२६) बाट लिइएका तथ्य र अङ्क। यस पृष्ठका गणना, औसत र चार्ट त्यही तथ्याङ्कबाट निकालिएका हुन्।