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
.jpg)
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- seminario:seminario_nCOM000857_Bogetti
Ver los metadatos del registro completo
| 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 |