With over 20 years of experience, we transform your digital presence. We specialize in website and E-Shop development, SEO and Digital Marketing, ERP software and smart automation that take your business to the next level.
Address:
154 Egnatia Street, Thessaloniki 546 36
Phone:
+30 231 231 4095
E-mail:
hello@twodots.gr
Ready for the next step?;
Το Otter Chess AI προβλέπει ανθρώπινες κινήσεις συνδυάζοντας τη σκακιέρα με ιστορικό 20 κινήσεων, Elo και πίεση χρόνου. Δείτε τι αποδεικνύει η μελέτη και πώς μεταφέρεται υπεύθυνα σε επιχειρηματικά συστήματα.
Το Otter Chess AI δείχνει ότι η επόμενη ανθρώπινη απόφαση προβλέπεται καλύτερα όταν το μοντέλο βλέπει όχι μόνο την παρούσα κατάσταση, αλλά και τη σύντομη διαδρομή που προηγήθηκε και την πίεση της στιγμής.
Στο rapid σκάκι, οι τελευταίες 20 κινήσεις πρόσθεσαν 5,24 ποσοστιαίες μονάδες και τα χρονικά χαρακτηριστικά άλλες 2,38 στο top-1 accuracy. Για μια επιχείρηση, το χρήσιμο μάθημα δεν είναι να αντιγράψει αυτά τα ποσοστά, αλλά να δοκιμάσει χωριστά το πρόσφατο ιστορικό, το σταθερό προφίλ και το δυναμικό context πριν χρησιμοποιήσει μια πρόβλεψη.
Ένα σύστημα τεχνητής νοημοσύνης μπορεί να γνωρίζει ποια είναι η αντικειμενικά καλύτερη κίνηση και παρ’ όλα αυτά να μην καταλαβαίνει τι θα κάνει ένας άνθρωπος. Αυτή είναι η ουσία της εργασίας Otter: A Time-Aware, History-Conditioned Human Chess AI. Ο στόχος της δεν είναι να νικήσει τον παίκτη, αλλά να προβλέψει την πραγματική ανθρώπινη επιλογή, μαζί με τις συνήθειες, την ορμή, την αβεβαιότητα και την πίεση χρόνου που τη διαμορφώνουν.
Για επαγγελματίες, marketers και ιδιοκτήτες e-commerce, το σκάκι εδώ λειτουργεί ως καθαρό εργαστήριο ανθρώπινης συμπεριφοράς. Το ερώτημα είναι ευρύτερο: αρκεί η τρέχουσα οθόνη, το τελευταίο click ή το περιεχόμενο ενός καλαθιού για να προβλέψεις την επόμενη ενέργεια; Το Otter υποστηρίζει, με μετρημένα αποτελέσματα στο δικό του πεδίο, ότι η ακολουθία των προηγούμενων ενεργειών και ο χρονικός περιορισμός προσθέτουν κρίσιμη πληροφορία.
Προηγούμενα μοντέλα ανθρώπινων κινήσεων, όπως το Maia και το Maia 2, έδειξαν ότι η εκπαίδευση πάνω σε ανθρώπινες παρτίδες είναι αποτελεσματικότερη για την πρόβλεψη ανθρώπων από την απλή αποδυνάμωση μιας υπεράνθρωπης μηχανής σκακιού. Ωστόσο, το Maia 2 αντιμετωπίζει κάθε θέση σχεδόν ως ανεξάρτητο γεγονός: κοιτάζει την τρέχουσα σκακιέρα και θεωρεί ότι αυτή αρκεί για την επόμενη πρόβλεψη.
Η εργασία του Otter χαρακτηρίζει αυτή την παραδοχή συμπεριφορικά ελλιπή. Δύο παίκτες μπορεί να φτάσουν στην ίδια θέση ακολουθώντας διαφορετική διαδρομή. Ο ένας μπορεί να βρίσκεται μέσα σε γνωστή θεωρία ανοίγματος και ο άλλος να έχει ήδη χάσει τον προσανατολισμό του. Ένας παίκτης που μόλις έκανε σοβαρό λάθος δεν αποφασίζει αναγκαστικά όπως κάποιος που χτίζει σταδιακά πλεονέκτημα. Η θέση είναι ίδια, αλλά το νοητικό πλαίσιο διαφέρει.
Η αναλογία με την ανάλυση του customer journey και της εμπειρίας χρήστη είναι προσεκτική αλλά χρήσιμη. Δύο επισκέπτες στην ίδια σελίδα προϊόντος δεν έχουν κατ’ ανάγκη την ίδια πρόθεση. Ο ένας έφτασε από σύγκριση τιμών, ο άλλος από εκπαιδευτικό άρθρο και ο τρίτος επέστρεψε μετά από εγκατάλειψη καλαθιού. Το Otter δεν αποδεικνύει κάτι για το e-commerce, όμως προσφέρει ισχυρό παράδειγμα του γιατί η διαδρομή μπορεί να είναι προβλεπτικό σήμα και όχι απλό ιστορικό αρχείου.
Το Otter είναι νευρωνικό δίκτυο 15,3 εκατομμυρίων παραμέτρων. Δέχεται έξι βασικές κατηγορίες εισόδου: την τρέχουσα σκακιέρα, τις τελευταίες 20 κινήσεις, το Elo του ενεργού παίκτη, το Elo του αντιπάλου, τον τύπο χρονικού ελέγχου και δύο χαρακτηριστικά που περιγράφουν τον χρόνο που απομένει.
Η σκακιέρα μετατρέπεται σε 64 χωρικά tokens. Παράλληλα, ένας Transformer δύο επιπέδων επεξεργάζεται το ιστορικό των 20 κινήσεων. Το ιστορικό παράγει τόσο αναπαραστάσεις ανά κίνηση όσο και μια συνολική περίληψη της μέχρι τότε πορείας. Μέσω cross-attention, τα τετράγωνα της σκακιέρας μπορούν να «κοιτούν» συγκεκριμένες προηγούμενες κινήσεις, αντί το παρελθόν να συμπιέζεται σε ένα αδιαφοροποίητο χαρακτηριστικό.
Το μοντέλο συνθέτει επίσης ένα conditioning vector 640 διαστάσεων από τα Elo, τον τύπο παρτίδας, τα στοιχεία χρονόμετρου και την περίληψη ιστορικού. Αυτό το πλαίσιο εισάγεται στα attention queries σε κάθε στάδιο συγχώνευσης. Με απλά λόγια, η προσοχή του συστήματος στη σκακιέρα αλλάζει ανάλογα με το ποιος παίζει, τι έχει προηγηθεί και πόσο χρόνο διαθέτει.
Τα τέσσερα επίπεδα context που ξεχωρίζει το Otter
Τα 64 τετράγωνα περιγράφουν τι υπάρχει τώρα στη σκακιέρα, αλλά όχι πώς έφτασε εκεί ο παίκτης.
Η πρόσφατη ακολουθία αποκαλύπτει προτιμήσεις ανοίγματος, μετατόπιση θέσης και συμπεριφορική πορεία μέσα στην παρτίδα.
Το σχετικά σταθερό επίπεδο ικανότητας βοηθά το μοντέλο να προσαρμόζει την πιθανότητα κάθε ανθρώπινης επιλογής.
Ο χρόνος που απομένει και η προσαύξηση περιγράφουν τη δυναμική πίεση ακριβώς τη στιγμή της απόφασης.
Η εργασία διαχωρίζει τον γενικό τύπο της παρτίδας από την άμεση πίεση της συγκεκριμένης στιγμής. Ο τύπος χρονικού ελέγχου περιγράφει το συνολικό πλαίσιο. Τα χαρακτηριστικά χρονόμετρου κανονικοποιούν τον χρόνο που απομένει και την προσαύξηση ως προς τον βασικό χρόνο, ώστε η πίεση να είναι συγκρίσιμη μεταξύ διαφορετικών formats.
Αυτή η διάκριση είναι σημαντική και έξω από το σκάκι. Ένα γενικό deadline δεν ταυτίζεται με την πραγματική χρονική πίεση τη στιγμή της απόφασης. Σε μια υπηρεσία, για παράδειγμα, άλλο είναι να γνωρίζεις ότι μια προσφορά λήγει σήμερα και άλλο να μοντελοποιείς πόσο κοντά βρίσκεται πραγματικά ο χρήστης στη λήξη όταν επιλέγει. Δεν σημαίνει ότι κάθε countdown αυξάνει τις μετατροπές· σημαίνει ότι ο χρόνος είναι μέρος του context και πρέπει να μετριέται υπεύθυνα, χωρίς τεχνητή ή παραπλανητική σπανιότητα.
Ο χρόνος είναι context, όχι άδεια για τεχνητή πίεση. Το εύρημα του Otter δεν δικαιολογεί ψεύτικα countdowns ή παραπλανητική σπανιότητα. Σε customer-facing ροές, το χρονικό σήμα πρέπει να εξηγείται, να ελέγχεται και να μη χρησιμοποιείται για να εκμεταλλεύεται την ευαλωτότητα του χρήστη.
Το Otter εκπαιδεύτηκε αποκλειστικά σε αξιολογημένες rapid παρτίδες από τη δημόσια βάση Lichess του 2024. Το τελικό σύνολο περιλάμβανε 117 εκατομμύρια παρτίδες και περίπου 6,1 δισεκατομμύρια θέσεις. Οι παρτίδες χωρίς πλήρη δεδομένα χρόνου, με ελλιπείς κινήσεις ή εκτός του υποστηριζόμενου εύρους Elo φιλτραρίστηκαν.
Η εκπαίδευση διήρκεσε περίπου 30 ημέρες σε μία NVIDIA T4 GPU, με τρία εκατομμύρια βήματα και batch size 2.048. Το μοντέλο μάθαινε ταυτόχρονα την επόμενη ανθρώπινη κίνηση, την αναμενόμενη έκβαση και 141 δυαδικές ιδιότητες της κίνησης. Το κύριο βάρος δόθηκε στην πρόβλεψη κίνησης, ενώ οι άλλες κεφαλές λειτουργούσαν ως συμπληρωματική εποπτεία.
Η επικύρωση έγινε σε παρτίδες Ιανουαρίου 2025 και η τελική αξιολόγηση σε 1,1 εκατομμύρια θέσεις από τον Φεβρουάριο 2025, ισόποσα κατανεμημένες σε 11 κλίμακες Elo. Αυτή η χρονική διάκριση περιορίζει τη διαρροή από το training set, χωρίς όμως να μετατρέπει τη σύγκριση με κάθε άλλο μοντέλο σε πλήρως ελεγχόμενο πείραμα.
Το πλήρες Otter πέτυχε 55,23% top-1 accuracy και 90,95% top-5 accuracy. Στη σύγκριση που αναφέρει η εργασία, το Maia 2 είχε δημοσιευμένο macro-average 53,25% top-1. Το Otter εμφανίζεται κατά 1,98 ποσοστιαίες μονάδες υψηλότερα, με 15,3 εκατομμύρια παραμέτρους έναντι 23,3 εκατομμυρίων και μικρότερο training corpus. Οι συγγραφείς σημειώνουν ρητά ότι η σύγκριση δεν είναι πλήρως ελεγχόμενη ως προς την κατανομή δεδομένων.
Η ablation study είναι ίσως το ισχυρότερο μέρος. Η παραλλαγή μόνο με θέση και skill conditioning πέτυχε 47,61%. Η προσθήκη ιστορικού ανέβασε το αποτέλεσμα στο 52,85%, δηλαδή κατά 5,24 μονάδες. Η προσθήκη των χρονικών χαρακτηριστικών πάνω από το ιστορικό οδήγησε στο 55,23%, επιπλέον 2,38 μονάδες. Το συνολικό κέρδος έναντι του position-only baseline ήταν 7,62 μονάδες.
Η βελτίωση εμφανίστηκε και στις 11 κλίμακες Elo, με συνολικό κέρδος από 7,22 έως 7,96 μονάδες. Η μεγαλύτερη top-1 επίδοση καταγράφηκε στην κλίμακα 1900–1999 με 57,38%, ενώ στην κατηγορία 2000+ ήταν 56,80%. Οι συγγραφείς αποδίδουν τη μικρή πτώση στην ετερογένεια της τελευταίας κατηγορίας, η οποία περιλαμβάνει παίκτες με πολύ διαφορετικό επίπεδο προετοιμασίας και στυλ.
Τι πρόσθεσε κάθε επίπεδο context στην πρόβλεψη κίνησης
Οι τιμές είναι αποτελέσματα της εργασίας Otter στο ίδιο test set 1,1 εκατομμυρίων θέσεων rapid σκακιού· δεν αποτελούν benchmark για εμπορικά recommendation ή lead-scoring συστήματα.
Το position-only baseline χρησιμοποιεί τη σκακιέρα και το επίπεδο των παικτών χωρίς ιστορικό και χρονική πίεση.
Οι τελευταίες 20 κινήσεις πρόσθεσαν 5,24 ποσοστιαίες μονάδες στο top-1 accuracy.
Το πλήρες μοντέλο πρόσθεσε άλλες 2,38 μονάδες με time-control και clock-pressure χαρακτηριστικά.
Η πραγματική ανθρώπινη κίνηση βρέθηκε μέσα στις πέντε πιθανότερες προβλέψεις του πλήρους Otter.
Στο άνοιγμα, το πλήρες μοντέλο έφτασε 52,48% έναντι 43,98% του baseline, διαφορά 8,50 μονάδων. Στις πρώτες πέντε κινήσεις η διαφορά ήταν ακόμη μεγαλύτερη: 52,09% έναντι 39,46%, δηλαδή 12,63 μονάδες. Η ερμηνεία της εργασίας είναι ότι ακόμη και λίγες κινήσεις αποκαλύπτουν προτιμήσεις ρεπερτορίου και στυλ.
Στο μέσο παιχνίδι η βελτίωση ήταν 6,51 μονάδες, από 49,33% σε 55,84%. Στο φινάλε έφτασε τις 8,43 μονάδες, από 54,03% σε 62,46%, επειδή οι τελικές θέσεις είναι έντονα εξαρτημένες από την ακολουθία γεγονότων που προηγήθηκε.
Η δοκιμή διαφορετικών παραθύρων ιστορικού έδειξε φθίνουσες αποδόσεις. Με πέντε κινήσεις το μοντέλο έφτασε 54,03%, με δέκα 54,95% και με είκοσι 55,23%. Ήδη οι πέντε κινήσεις διατηρούσαν το 84% του συνολικού οφέλους που αποδόθηκε στο history-aware σύστημα. Αυτό είναι πρακτικά σημαντικό: η αξία του context δεν απαιτεί πάντα απεριόριστη μνήμη.
Το μοντέλο συνεχίζει να υποπροβλέπει τις γκάφες. Επειδή εκπαιδεύεται να αναγνωρίζει την πιο συνηθισμένη ανθρώπινη συμπεριφορά, τείνει να προτιμά λογικές κινήσεις ακόμη κι όταν ο πραγματικός παίκτης κάνει σπάνιο σοβαρό λάθος. Αυτό είναι όριο της εποπτευόμενης μάθησης πάνω σε κατανομές όπου τα ακραία συμβάντα έχουν μικρή συχνότητα.
Επίσης, τα αποτελέσματα αφορούν rapid σκάκι στο Lichess. Bullet, blitz και classical παρτίδες αποκλείστηκαν. Δεν είναι ασφαλές να μεταφερθούν αυτομάτως τα ποσοστά σε άλλες πλατφόρμες ή, πολύ περισσότερο, σε εμπορικές εφαρμογές. Η επιχειρηματική αξία βρίσκεται στην αρχή σχεδιασμού που υποδεικνύεται, όχι στην αντιγραφή των συγκεκριμένων μετρικών.
Η επιχειρηματική μεταφορά χρειάζεται πειθαρχία: ένα μοντέλο μπορεί να βελτιώνει τη μέση πρόβλεψη και ταυτόχρονα να αποτυγχάνει σε σπάνιες, κρίσιμες περιπτώσεις. Η ανάλυση του κρίσιμου βήματος σε αποτυχημένες AI διαδρομές and the σαφής απόδοση ευθύνης όταν ένας αυτοματισμός αποτυγχάνει συμπληρώνουν την ακρίβεια με ελεγκτική ικανότητα.
Το πρώτο μάθημα είναι να αποφεύγεται η υπερβολική εξάρτηση από το τελευταίο event. Η ίδια αρχή εμφανίζεται στα AI analytics που συνδυάζουν πολλαπλά σήματα και αβεβαιότητα αντί να απομονώνουν μία μόνο ένδειξη. Ένα recommendation system ή ένα lead-scoring μοντέλο μπορεί να χρειάζεται σύντομη, σχετική ακολουθία ενεργειών: προηγούμενες επισκέψεις, αλλαγές φίλτρων, επαναλαμβανόμενες συγκρίσεις, επιστροφές και χρονικά διαστήματα. Η επιλογή του κατάλληλου παραθύρου πρέπει να ελέγχεται πειραματικά, όπως έκανε το Otter με 5, 10 και 20 κινήσεις.
Το δεύτερο είναι ο διαχωρισμός σταθερών και δυναμικών χαρακτηριστικών. Το Elo αντιστοιχεί σε σχετικά σταθερό επίπεδο ικανότητας, ενώ το χρονόμετρο περιγράφει τη στιγμιαία πίεση. Στα επιχειρηματικά συστήματα, αντίστοιχη διάκριση μπορεί να υπάρχει ανάμεσα στο customer segment και στην τρέχουσα κατάσταση της συνεδρίας. Η συγχώνευσή τους χωρίς διαχωρισμό συχνά κρύβει ποιο σήμα προκαλεί την πραγματική βελτίωση.
Το τρίτο είναι η ανάγκη για ablation tests. Αν ένα σύνθετο AI σύστημα βελτιώνεται, η ομάδα πρέπει να γνωρίζει αν το κέρδος προέρχεται από το ιστορικό, τον χρόνο, το μεγαλύτερο μοντέλο ή περισσότερα δεδομένα. Το Otter απομονώνει αυτές τις συνεισφορές και δείχνει ότι το context, όχι απλώς η κλίμακα, εξηγεί το μεγαλύτερο μέρος της διαφοράς στο δικό του πείραμα.
Τέσσερα βήματα για να δοκιμάσετε history-aware πρόβλεψη σε μια επιχειρηματική ροή
Μετρήστε μία σαφή επόμενη ενέργεια, όπως επιστροφή στο καλάθι ή αίτημα υποστήριξης, αντί για αόριστη «πρόθεση αγοράς» που αλλάζει ανά ομάδα.
Ξεκινήστε με λίγα πρόσφατα events που έχουν αιτιώδη σχέση με την απόφαση και συγκρίνετε παράθυρα, αντί να μεταφέρετε ολόκληρο το προφίλ του χρήστη.
Διατηρήστε ξεχωριστά το customer segment, την τρέχουσα συνεδρία και την πραγματική χρονική πίεση, ώστε το ablation test να δείχνει ποιο context δημιουργεί το κέρδος.
Εξετάστε όχι μόνο τον μέσο όρο αλλά και σπάνιες αστοχίες, διαφορές ανά ομάδα, δικαιώματα πρόσβασης, δυνατότητα εξήγησης και ασφαλή ανθρώπινη παρέμβαση.
Πότε αξίζει να προστεθεί ιστορικό;
Μόνο όταν η σειρά των προηγούμενων ενεργειών αλλάζει πραγματικά την επόμενη απόφαση και το όφελος επιβεβαιώνεται με ablation test.
Αν ένα σύντομο, ελαχιστοποιημένο παράθυρο δεν ξεπερνά αξιόπιστα το position-only baseline, η πρόσθετη πολυπλοκότητα, αποθήκευση και έκθεση προσωπικών δεδομένων δεν δικαιολογούνται.
Η καλύτερη πρόβλεψη ανθρώπινης συμπεριφοράς δεν δικαιολογεί χειριστικές πρακτικές. Η χρονική πίεση, η αβεβαιότητα και οι προηγούμενες αποτυχίες μπορούν να κάνουν τον άνθρωπο πιο ευάλωτο. Σε customer-facing συστήματα χρειάζονται ελαχιστοποίηση δεδομένων, σαφής σκοπός, έλεγχος πρόσβασης και αξιολόγηση για ανεπιθύμητες διακρίσεις. Η ίδια λογική εφαρμόζεται στο CRM compliance για δεδομένα πελατών και marketing.
Η ώριμη εφαρμογή δεν ρωτά μόνο «μπορούμε να προβλέψουμε την επόμενη ενέργεια;», αλλά και «πρέπει να χρησιμοποιήσουμε αυτή την πρόβλεψη με αυτόν τον τρόπο;». Το Otter είναι τεχνική εργασία για το σκάκι, όμως κάνει ορατή μια θεμελιώδη αρχή: ο άνθρωπος δεν είναι στατικό datapoint. Είναι μια ακολουθία αποφάσεων που εξελίσσεται μέσα σε συγκεκριμένο χρονικό πλαίσιο.
Business Automation & AI by TWO DOTS
Μετατρέψτε το behavioral context σε ασφαλή επιχειρηματικό αυτοματισμό.
Η TWO DOTS σχεδιάζει AI workflows που ξεχωρίζουν το πρόσφατο ιστορικό από τα σταθερά χαρακτηριστικά, μετρούν τη συνεισφορά κάθε σήματος και διατηρούν ανθρώπινο έλεγχο στις αποφάσεις υψηλού αντίκτυπου.
Frequently Asked Questions (FAQs)
Είναι μοντέλο 15,3 εκατομμυρίων παραμέτρων που προβλέπει την επόμενη ανθρώπινη κίνηση στο σκάκι από τη θέση, τις τελευταίες 20 κινήσεις, τα Elo των παικτών και την πίεση χρόνου.
Όχι. Ο κύριος στόχος του είναι να προβλέψει ποια κίνηση θα επιλέξει πραγματικά ένας άνθρωπος, όχι ποια θεωρεί αντικειμενικά καλύτερη μια ισχυρή μηχανή σκακιού.
Στο ablation test της εργασίας, η προσθήκη του ιστορικού ανέβασε το top-1 accuracy από 47,61% σε 52,85%, δηλαδή κατά 5,24 ποσοστιαίες μονάδες.
Τα χρονικά χαρακτηριστικά πρόσθεσαν 2,38 ποσοστιαίες μονάδες πάνω από το history-only μοντέλο και οδήγησαν το πλήρες Otter σε top-1 accuracy 55,23%.
Όχι. Η εργασία χρησιμοποιεί τα δημοσιευμένα αποτελέσματα του Maia 2 και δηλώνει ότι η σύγκριση δεν ελέγχει πλήρως τις διαφορές στην κατανομή των δεδομένων εκπαίδευσης.
Με παράθυρο πέντε κινήσεων, το Otter έφτασε 54,03% top-1 και διατήρησε το 84% του συνολικού οφέλους που αποδίδεται στο πλήρες history-aware και time-aware σύστημα.
Όχι. Οι μετρήσεις αφορούν rapid παρτίδες στο Lichess. Για μια επιχείρηση, μεταφέρεται η υπόθεση ότι η σύντομη ακολουθία ενεργειών και το χρονικό context αξίζει να δοκιμαστούν χωριστά.
Το Otter υποπροβλέπει τις σπάνιες γκάφες, επειδή η εποπτευόμενη μάθηση ευνοεί τις συχνότερες επιλογές της κατανομής. Γι’ αυτό η υψηλότερη ακρίβεια δεν καταργεί την ανάγκη για ανθρώπινο έλεγχο.
