Predicción de movimientos humanos en ajedrez adaptable al ELO

Autores
Bogetti, Gianfranco
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Fernández Slezak, Diego
Sansone, Agustín
Descripción
Con el rápido avance de la inteligencia artificial (IA), que alcanza en ocasiones niveles de rendimiento sobrehumano, surge una valiosa oportunidad para que los humanos aprendan de los algoritmos y colaboren con ellos. Sin embargo, las diferencias en los enfoques de resolución de problemas entre humanos y máquinas a menudo dificultan la comprensión e integración de los sistemas de IA en el aprendizaje humano. Este trabajo presenta el desarrollo de un modelo de inteligencia artificial adaptable al nivel de habilidad humana, medido a través del ELO, que predice movimientos en ajedrez. Para lograrlo, se modificó la arquitectura de redes neuronales de Leela Chess Zero para integrar el ELO como un parámetro de entrada. El modelo fue entrenado y evaluado utilizando más de 10 millones de partidas de ajedrez de la base de datos de Lichess. Los resultados muestran que el modelo es capaz de alcanzar niveles de exactitud incluso mayores a los de trabajos relacionados como Maia Chess, además de aportar la adaptabilidad del ELO. Este enfoque no solo amplía su aplicabilidad a otros dominios más allá del ajedrez, sino que también abre nuevas posibilidades para el desarrollo de tutores artificiales personalizados.
With the rapid advancement of artificial intelligence (AI), which at times reaches superhuman performance levels, a valuable opportunity arises for humans to learn from algorithms and collaborate with them. However, differences in problem-solving approaches between humans and machines often hinder the understanding and integration of AI systems into human learning. This work presents the development of an artificial intelligence model adaptable to human skill level, measured through ELO, that predicts chess moves. To achieve this, the neural network architecture of Leela Chess Zero was modified to integrate ELO as an input parameter. The model was trained and evaluated using more than 10 million chess games from the Lichess database. The results show that the model is capable of reaching accuracy levels even higher than those of related works such as Maia Chess, while also incorporating ELO adaptability. This approach not only broadens its applicability to other domains beyond chess, but also opens up new possibilities for the development of personalized artificial tutors.
Fil: Bogetti, Gianfranco. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
INTELIGENCIA ARTIFICIAL
COMPORTAMIENTO HUMANO
NIVEL DE HABILIDAD
APRENDIZAJE
TUTORES ARTIFICIALES
AJEDREZ
ARTIFICIAL INTELLIGENCE
HUMAN BEHAVIOR
SKILL LEVEL
LEARNING
ARTIFICIAL TUTORS
CHESS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000857_Bogetti

id BDUBAFCEN_061fc9cc6c39c6fedab56defc14fff33
oai_identifier_str seminario:seminario_nCOM000857_Bogetti
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Predicción de movimientos humanos en ajedrez adaptable al ELOHuman move prediction in chess adaptive to ELOBogetti, GianfrancoINTELIGENCIA ARTIFICIALCOMPORTAMIENTO HUMANONIVEL DE HABILIDADAPRENDIZAJETUTORES ARTIFICIALESAJEDREZARTIFICIAL INTELLIGENCEHUMAN BEHAVIORSKILL LEVELLEARNINGARTIFICIAL TUTORSCHESSCon el rápido avance de la inteligencia artificial (IA), que alcanza en ocasiones niveles de rendimiento sobrehumano, surge una valiosa oportunidad para que los humanos aprendan de los algoritmos y colaboren con ellos. Sin embargo, las diferencias en los enfoques de resolución de problemas entre humanos y máquinas a menudo dificultan la comprensión e integración de los sistemas de IA en el aprendizaje humano. Este trabajo presenta el desarrollo de un modelo de inteligencia artificial adaptable al nivel de habilidad humana, medido a través del ELO, que predice movimientos en ajedrez. Para lograrlo, se modificó la arquitectura de redes neuronales de Leela Chess Zero para integrar el ELO como un parámetro de entrada. El modelo fue entrenado y evaluado utilizando más de 10 millones de partidas de ajedrez de la base de datos de Lichess. Los resultados muestran que el modelo es capaz de alcanzar niveles de exactitud incluso mayores a los de trabajos relacionados como Maia Chess, además de aportar la adaptabilidad del ELO. Este enfoque no solo amplía su aplicabilidad a otros dominios más allá del ajedrez, sino que también abre nuevas posibilidades para el desarrollo de tutores artificiales personalizados.With the rapid advancement of artificial intelligence (AI), which at times reaches superhuman performance levels, a valuable opportunity arises for humans to learn from algorithms and collaborate with them. However, differences in problem-solving approaches between humans and machines often hinder the understanding and integration of AI systems into human learning. This work presents the development of an artificial intelligence model adaptable to human skill level, measured through ELO, that predicts chess moves. To achieve this, the neural network architecture of Leela Chess Zero was modified to integrate ELO as an input parameter. The model was trained and evaluated using more than 10 million chess games from the Lichess database. The results show that the model is capable of reaching accuracy levels even higher than those of related works such as Maia Chess, while also incorporating ELO adaptability. This approach not only broadens its applicability to other domains beyond chess, but also opens up new possibilities for the development of personalized artificial tutors.Fil: Bogetti, Gianfranco. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesFernández Slezak, DiegoSansone, Agustín2025-06-27info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000857_Bogettispainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2026-10-15T10:55:40Zseminario:seminario_nCOM000857_BogettiInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962026-10-15 10:55:41.36Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Predicción de movimientos humanos en ajedrez adaptable al ELO
Human move prediction in chess adaptive to ELO
title Predicción de movimientos humanos en ajedrez adaptable al ELO
spellingShingle Predicción de movimientos humanos en ajedrez adaptable al ELO
Bogetti, Gianfranco
INTELIGENCIA ARTIFICIAL
COMPORTAMIENTO HUMANO
NIVEL DE HABILIDAD
APRENDIZAJE
TUTORES ARTIFICIALES
AJEDREZ
ARTIFICIAL INTELLIGENCE
HUMAN BEHAVIOR
SKILL LEVEL
LEARNING
ARTIFICIAL TUTORS
CHESS
title_short Predicción de movimientos humanos en ajedrez adaptable al ELO
title_full Predicción de movimientos humanos en ajedrez adaptable al ELO
title_fullStr Predicción de movimientos humanos en ajedrez adaptable al ELO
title_full_unstemmed Predicción de movimientos humanos en ajedrez adaptable al ELO
title_sort Predicción de movimientos humanos en ajedrez adaptable al ELO
dc.creator.none.fl_str_mv Bogetti, Gianfranco
author Bogetti, Gianfranco
author_facet Bogetti, Gianfranco
author_role author
dc.contributor.none.fl_str_mv Fernández Slezak, Diego
Sansone, Agustín
dc.subject.none.fl_str_mv INTELIGENCIA ARTIFICIAL
COMPORTAMIENTO HUMANO
NIVEL DE HABILIDAD
APRENDIZAJE
TUTORES ARTIFICIALES
AJEDREZ
ARTIFICIAL INTELLIGENCE
HUMAN BEHAVIOR
SKILL LEVEL
LEARNING
ARTIFICIAL TUTORS
CHESS
topic INTELIGENCIA ARTIFICIAL
COMPORTAMIENTO HUMANO
NIVEL DE HABILIDAD
APRENDIZAJE
TUTORES ARTIFICIALES
AJEDREZ
ARTIFICIAL INTELLIGENCE
HUMAN BEHAVIOR
SKILL LEVEL
LEARNING
ARTIFICIAL TUTORS
CHESS
dc.description.none.fl_txt_mv Con el rápido avance de la inteligencia artificial (IA), que alcanza en ocasiones niveles de rendimiento sobrehumano, surge una valiosa oportunidad para que los humanos aprendan de los algoritmos y colaboren con ellos. Sin embargo, las diferencias en los enfoques de resolución de problemas entre humanos y máquinas a menudo dificultan la comprensión e integración de los sistemas de IA en el aprendizaje humano. Este trabajo presenta el desarrollo de un modelo de inteligencia artificial adaptable al nivel de habilidad humana, medido a través del ELO, que predice movimientos en ajedrez. Para lograrlo, se modificó la arquitectura de redes neuronales de Leela Chess Zero para integrar el ELO como un parámetro de entrada. El modelo fue entrenado y evaluado utilizando más de 10 millones de partidas de ajedrez de la base de datos de Lichess. Los resultados muestran que el modelo es capaz de alcanzar niveles de exactitud incluso mayores a los de trabajos relacionados como Maia Chess, además de aportar la adaptabilidad del ELO. Este enfoque no solo amplía su aplicabilidad a otros dominios más allá del ajedrez, sino que también abre nuevas posibilidades para el desarrollo de tutores artificiales personalizados.
With the rapid advancement of artificial intelligence (AI), which at times reaches superhuman performance levels, a valuable opportunity arises for humans to learn from algorithms and collaborate with them. However, differences in problem-solving approaches between humans and machines often hinder the understanding and integration of AI systems into human learning. This work presents the development of an artificial intelligence model adaptable to human skill level, measured through ELO, that predicts chess moves. To achieve this, the neural network architecture of Leela Chess Zero was modified to integrate ELO as an input parameter. The model was trained and evaluated using more than 10 million chess games from the Lichess database. The results show that the model is capable of reaching accuracy levels even higher than those of related works such as Maia Chess, while also incorporating ELO adaptability. This approach not only broadens its applicability to other domains beyond chess, but also opens up new possibilities for the development of personalized artificial tutors.
Fil: Bogetti, Gianfranco. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description Con el rápido avance de la inteligencia artificial (IA), que alcanza en ocasiones niveles de rendimiento sobrehumano, surge una valiosa oportunidad para que los humanos aprendan de los algoritmos y colaboren con ellos. Sin embargo, las diferencias en los enfoques de resolución de problemas entre humanos y máquinas a menudo dificultan la comprensión e integración de los sistemas de IA en el aprendizaje humano. Este trabajo presenta el desarrollo de un modelo de inteligencia artificial adaptable al nivel de habilidad humana, medido a través del ELO, que predice movimientos en ajedrez. Para lograrlo, se modificó la arquitectura de redes neuronales de Leela Chess Zero para integrar el ELO como un parámetro de entrada. El modelo fue entrenado y evaluado utilizando más de 10 millones de partidas de ajedrez de la base de datos de Lichess. Los resultados muestran que el modelo es capaz de alcanzar niveles de exactitud incluso mayores a los de trabajos relacionados como Maia Chess, además de aportar la adaptabilidad del ELO. Este enfoque no solo amplía su aplicabilidad a otros dominios más allá del ajedrez, sino que también abre nuevas posibilidades para el desarrollo de tutores artificiales personalizados.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-27
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000857_Bogetti
url https://hdl.handle.net/20.500.12110/seminario_nCOM000857_Bogetti
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1879127496166735872
score 12.823554