04848ntm a22005777i 4500 000728063 CZ-PrVSE 20260201122909.0 m d cr n|||||||||| 260201s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Tomášek, Ondřej ISIS:162154 dis Artificial Intelligence in Chess - Human versus Machine Approach eng Umělá inteligence v šachu – přístup stroje versus přístup člověka / Ondřej Tomášek 2025 ?? stran : digital, PDF soubor Vedoucí práce: Petr Berka Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2026 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2026 Tato bakalářská práce zkoumá možnosti využití principů umělé inteligence k zachycení a simulaci lidského stylu hry v šachu s cílem porovnat strojové rozhodování k lidskému. Analyzuje vybrané algoritmy a přístupy používané při vývoji šachových programů – od tradičních vyhledávacích metod, jako jsou Minimax a Alfa-beta prořezávání, po moderní techniky hlubokého učení využívající konvoluční neuronové sítě (CNN) a architektury Transformer. Teoretická část srovnává tyto metody s poznatky o lidské kognici a myšlení vycházejícími z výzkumů Adriaana de Groota, teorií shlukování a šablon Simona, Chase a Gobeta, konceptu omezené racionality Herberta Simona, modelu CHREST a pohledů Tichomirova a Saariluomy na apercepci a holistické vnímání, které právě ze hry šachu přímo vycházely. Analýza ukazuje, že mezi současnými modely AI a lidským myšlením existují výrazné paralely i rozdíly. Konvoluční sítě vykazují podobnost s přístupem člověka, který popisujují Simon, Chase a Gobet ve své teorii shlukování. Rozdíl mezi modelem lidského myšlení dle teorií Simona, Chase a Gobeta a přístupem CNN modelů nastává zejména v adaptivní povahu lidské paměti, kterou šachové stroje nevykazují. Saariluomova teorie apercepce, popisující abstrakci a následnou analýzu problému, se vzdaluje výpočetně náročným postupům klasických šachových AI modelů. Architektury Transformer sice mechanismem pozornosti částečně připomínají proces apercepce, ale zatím nedokážou plně modelovat dynamiku lidského myšlení. Praktická část práce se zaměřuje na návrh, implementaci a testování konvoluční neuronové sítě určené k napodobení lidského šachového chování. Model byl trénován na rozsáhlém souboru partií z Lichess.org s tensorovou reprezentací šachové pozice (8×8×20). Architektura obsahuje vstupní konvol Experimenty prokázaly, že model dosahuje Top-1 přesnosti 50,79 % a Top-10 přesnosti 96,61 % při predikci lidských tahů. Více než 99 % jeho Top-1 predikcí v zahájeních bylo legálních a hodnocení pozic vykazuje vysokou spolehlivost. Přestože model občas chybuje u méně častých taktických motivů, úspěšně napodobuje lidský styl hry včetně typických lidských strategických principů i omylů a dosahuje výkonnosti, která odpovídá přibližně 1500 bodům ELO na platformě Lichess.org. Způsob přístupu: Internet data analytics [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas šachy umělá inteligence člověk neuronové sítě algoritmy Berka, Petr, 1959- jn20001103427 ths Vadinský, Ondřej ISIS:43066 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/92964/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/92964 Hlavní práce https://insis.vse.cz/zp/92964/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/92964/posudek/oponent/88336 Oponentura https://insis.vse.cz/zp/92964/priloha/32993 Přiloha k práci https://insis.vse.cz/zp/92964/priloha/32994 Přiloha k práci https://insis.vse.cz/zp/92964/priloha/32995 Přiloha k práci https://insis.vse.cz/zp/92964/priloha/32996 Přiloha k práci https://insis.vse.cz/zp/92964/podrobnosti dc:identifier NEPOSILAT VSKP vse92964 260130 92964