Menu
Programme d'études Shatranj.ai - Programme d'enseignement de l'IA basé sur des jeux de société historiques (Échecs, Shatranj, Qirkat, Dama) pour le développement de la jeunesse
Shatranj.ai est un le patrimoine d'abord, construire et expérimenter Programme d'études sur l'IA. Nous apprenons l'IA moderne en reconstruisant les outils intellectuels qui ont façonné la prise de décision humaine pendant des siècles : jeux de société historiques. Ces jeux ont traversé les langues et les civilisations, véhiculant des modèles de logique, d'éthique et de créativité. Aujourd'hui, ils constituent l'un des laboratoires les plus clairs pour comprendre l'intelligence artificielle, parce que chaque action est mesurable, Chaque décision est explicable et chaque algorithme laisse une trace que l'on peut tester.
Parcours puzzle historique (études de base et sources) : Tout au long du programme, nous nous attaquons à un ensemble d'énigmes historiques et d'études de fin de partie : Tour à cheval (Tournée des chevaliers), Huit reines, le Blé et échiquier l'énigme de la croissance exponentielle, les études d'accouplement classiques (y compris les Dilaram et des mises en échec manuscrites précoces), et Le diamant de Suli. Nos reconstitutions et nos récits d'énigmes s'appuient sur deux ouvrages historiques fondamentaux sur les échecs : Libro del Acedrez et Kitab ash-Shatranj-deux des sources les plus importantes du patrimoine culturel et intellectuel des échecs et du Shatranj.
Ce programme va au-delà des échecs. Vous recréerez et analyserez plusieurs jeux de société historiques tels que 3 pierres, 9 pierres, Mancala, le Jeu royal d'Ur, et Dames, ainsi que les systèmes stratégiques plus riches de Qirkat et Shatranj. L'objectif est d'apprendre l'IA en tant que ensemble d'idées transférables, Il ne s'agit pas d'un événement lié à un seul jeu.
Les étapes de l'IA à travers les logiciels d'échecs : Nous retraçons explicitement les systèmes phares et ce que chacun d'entre eux a appris au monde sur “l'intelligence de la machine” : Le Turc, Bleu profond, AlphaZero, et Stockfish. Les apprenants voient comment recherche, l'évaluation, des contraintes d'ingénierie (puces, mémoire, vitesse), et les méthodes modernes basées sur l'apprentissage ont façonné l'évolution des logiciels d'échecs et de l'IA.
À qui s'adresse ce programme d'études ?
• Les étudiants : apprendre l'IA en construisant des systèmes que vous pouvez expliquer, mesurer et améliorer.
• Les enseignants : un cours modulaire que vous pouvez enseigner sous la forme d'une séquence complète ou d'unités autonomes.
• Écoles et institutions : une voie d'accès à l'IA culturellement riche pour les clubs, les cours facultatifs, les camps d'entraînement et les programmes interdisciplinaires.
Ce que vous pourrez faire
- Construire des environnements de jeux de société et les mettre en œuvre génération de mouvements juridiques
- Mettre en œuvre une recherche classique d'IA (DFS, BFS, UCS, A*, minimax, alpha-bêta)
- Utilisation programmation dynamique pour résoudre une étude historique de fin de partie
- Comprendre le fonctionnement des moteurs d'échecs modernes (représentation → movegen → recherche → évaluation)
- Mettre en œuvre l'apprentissage par renforcement à partir de Q-learning sous forme de tableau à réseaux Q profonds et SCTM
- Comprendre AlphaZero-style pipelines (politique/réseaux de valeurs + PUCT + auto-jeu)
Carte des programmes d'études (25 leçons, regroupées en 9 sections)
Section 1 - Fondements et bases de Python (Leçons 1-6)
Leçon 1 : Champ d'application et priorités du cours
Leçon 2 : Introduction à l'informatique et à la configuration de Python
Leçon 3 : Les types de données Python
Leçon 4 : Conditionnelles, boucles, flux de contrôle
Leçon 5 : Fonctions, portée, paramètres
Leçon 6 : Fichiers, exceptions, bibliothèques, tests
Section 2 - Programmation orientée objet et modélisation de jeux de société (Leçon 7)
Leçon 7 : OOP, Classes, TicTacToe
Section 3 - Fondements du jeu d'échecs et code moteur (Leçons 8-9)
Leçon 8 : Représentation de l'échiquier aux échecs et au Shatranj
Leçon 9 : Mouvement des pièces, mises à jour de l'état du jeu et conditions finales
Section 4 - Algorithmes de recherche classiques et adversaires (Leçons 10-11)
Leçon 10 : Problèmes de recherche et parcours de graphes (DFS, BFS, UCS)
Leçon 11 : Recherche heuristique et arbres de jeux contradictoires (A*, minimax, espéranceimax, alpha-bêta)
Section 5 - Résoudre d'anciennes énigmes d'échecs à l'aide d'algorithmes d'IA (Leçons 12-15)
Leçon 12 : Visite à cheval (visite du chevalier)
Leçon 13 : Puzzle des huit reines
Leçon 14 : Problème du blé et de l'échiquier (croissance exponentielle + puzzle mathématique)
Leçon 15 : Minimax, Alpha-Beta, logique de l'échec et mat (avec des échecs historiques et des sources)
Section 6 - Programmation dynamique (Leçon 16)
Leçon 16 : Le diamant de Suli (étude historique de la fin de partie)
Section 7 - L'histoire entremêlée de l'IA et des logiciels d'échecs modernes (Leçon 17)
Leçon 17 : Stockfish, un logiciel moderne d'IA pour les échecs (l'architecture des moteurs, la recherche moderne et l'évaluation, et l'adaptation des moteurs aux variantes historiques telles que Shatranj)
Section 8 - Apprentissage par renforcement (Leçons 18-22)
Leçon 18 : Fondements de la RL (Gridworld, programmation dynamique, complexité)
Leçon 19 : Q-Learning tabulaire sur FrozenLake (Frozen Rook)
Leçon 20 : Deux tours contre un roi seul (TD Q-learning)
Leçon 21 : Réseaux Q profonds (Connect-4, Fox & Hounds, Othello/Reversi)
Leçon 22 : Les déploiements Monte Carlo et les SCTM sur Qirkat
Section 9 - AlphaZero (Leçons 23-25)
Leçon 23 : AlphaZero sur Othello/Reversi (politique/réseaux de valeurs + PUCT + auto-jeu)
Leçon 24 : AlphaZero sur Qirkat (PUCT, réseaux de politiques/valeurs, auto-jeu ; encodage des mouvements en fonction du chemin parcouru)
Leçon 25 : Dames turques (Dama) : Alpha-Beta, SCTM guidés par le PUCT, comparaisons Alpha-Zéro
Comment commencer ?. Si vous ne connaissez pas Python, commencez par les leçons 1 à 6. Si vous codez déjà, commencez par les leçons 8 à 11 pour vous initier à la construction de moteurs et à la recherche. Les enseignants peuvent enseigner section par section en tant qu'unités indépendantes ou proposer le parcours complet de 25 leçons. Pour accéder aux leçons, créez un compte gratuit et connectez-vous à notre système de gestion de l'apprentissage : lms.shatranj.ai
