Além das peças: precisão estratégica no xadrez
chess strategy precision
DOI:
https://doi.org/10.21439/conexoes.v19.3735Palavras-chave:
Xadrez, Estratégia, Inteligência Artificial, Análise Computacional, Impacto da IA, Análise Crítica de DiscursoResumo
Este estudo visa analisar a evolução da precisão estratégica no xadrez. Realizado como uma análise quantitativa e documental, examinou a precisão estratégica em 1204 partidas de xadrez históricas, obtidas de bancos de dados públicos, utilizando o software Stockfish 16.1 para medir a “Perda em Centipeões”. A organização e análise dos dados foram realizadas usando Excel e JASP, respectivamente. Os resultados destacam um avanço na precisão estratégica e uma redução nos erros no xadrez, enfatizados pelo uso de IA, particularmente após os anos 1990. Uma correlação inversa significativa entre precisão e perda em centipeões (r=-0.85, p<.001) sugere uma melhoria nas habilidades dos jogadores. Campeões exibiram maior precisão que os desafiantes (t=4.563, df=63, p<.001). Magnus Carlsen se destacou com a maior precisão média (97.364%) e a menor variabilidade (CV=2.12%), ilustrando a evolução para estratégias mais sofisticadas. Este estudo sublinha a relevância prática da adoção de IA no xadrez, oferecendo uma visão concreta de como os humanos estão adaptando essa tecnologia para aprimorar habilidades cognitivas e estratégicas. Conclui-se que a precisão estratégica dos jogadores de xadrez melhorou significativamente com a adoção de motores de análise desde os anos 1990, alcançando níveis de desempenho anteriormente inéditos no xadrez competitivo.
Referências
ACHER , M.; ESNAULT, F. Large-scale Analysis of Chess Games with Chess Engines: A Preliminary Report. ArXiv, 2016.
BEIM, V. Paul Morphy: A Modern Perspective. Milford: Russell Enterprises, Inc., 2005.
BEIM, V. Paul Morphy: a modern perspective. Milford: Russell enterprise, 2005.
CAMPBELL, M.; HOANE JR, A. J.; HSU, F. Deep Blue. Artificial Intelligence, 2002. 134(1-2), 57-83.
CHABRIS, C. F.; HEARST, E. S. Visualization, pattern recognition, and forward search: effects of playing speed and sight of the position on grandmaster chess errors. Cognitive Science, 2003. 637-648.
CHESSBASE. Database. Chessbase, 2022. Disponivel em: <https://database.chessbase.com/>. Acesso em: 2 Jun 2022.
DAVID, O. E.; NETANYAHU, N. S.; WOLF, L. DeepChess: End-to-End Deep Neural Network for Automatic Learning in Chess. Tel Aviv University, Tel Aviv, 2016. 88-96. 10.1007/978-3-319-44781-0_11..
FELDMANN, R. Computer Chess: Algorithms and Heuristics for a Deep Look into the Future. University of Paderborn, Germany, 1992.
FERREIRA, D. The impact of search depth on chess playing strength. ICGA Journal, 2013. 36. 67-80. 10.3233/ICG-2013-3620.
GAESSLER, F.; PIEZUNKA, H. Training with AI: Evidence from chess computers. Strat Mgmt J., 28 Abr 2023. 44:2724–2750. Doi.org/10.1002/smj.3512.
GOTTSCHALL, H. V. Adolf Anderssen, der Altmeister deutscher Schachspielkunst: Sein Leben und Schaffen. Leipzig: De Gruyter, 1912.
LASKER, E. Manual de ajedrez. Madrid: Jaque, 1991.
LASKER, E. História do xadrez. 2 ed. ed. São Paulo: Ibrasa, 1999.
LICHESS. about Lichess.org. Lichess.org, 2010. Disponivel em: <https://lichess.org/about>. Acesso em: 11 mar. 2024.
LICHESS.ORG. Lichess, 2024. Disponivel em: . Acesso em: 13 Mar 2024.
LUCENA, L. R. Arte breve y introduccion muy necessaria para saber jugar axedrez. Salamanca: [s.n.], 1497.
MAHARAJ, S.; POLSON , N.; TURK, A. Chess AI: Competing Paradigms for Machine Intelligence. Entropy, 2022. 24, 550. https://doi.org/10.3390/e24040550.
SCHULZ, A. The Big Book of World Chess Championships. Netherlands: New In Chess, 2016.
SILVER, D. et al. Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm. Science, 2017. 362(6419), 1140-1144.
STOCKFISH. About Stockfish. Stockfish, 2024. Disponivel em: <https://stockfishchess.org/about/>. Acesso em: 2024 mar. 12.
YUSUPOV, A.; SHERESHEVSKY, M. Sobre el estudio de los clasicos. In: YUSUPOV, A. Entrenamiento de élite I. Madrid: Euseve, 1992. p. 105-124.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Augusto Tirado, Luiz Alberto Pilatti
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam na Revista Conexões: Ciência e Tecnologia concordam com os seguintes termos: Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho licenciado sob uma licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY -NC-SA 4.0) . Nossos artigos estão disponíveis gratuitamente e gratuitamente, com privilégios para atividades educacionais, pesqueiras e não comerciais.
