Wurde viel über die Ratinginflation geforscht?

Magnus Carlsens Auslosung in der gestrigen Runde der London Chess Classic 2012 versicherte, dass seine Bewertung in der nächsten veröffentlichten FIDE-Bewertungsliste Kasparovs bisherigen Rekord von 2851 übersteigen wird sagen wir mal Fischer. Klar, das ist nicht das, wonach ich hier strebe.

Ein entscheidendes Element solcher Diskussionen ist die Überlegung, ob die Elo-Ratings im Allgemeinen im Laufe der Zeit eine Inflation erfahren haben: Gibt es heute mehr als 2700 Großmeister als vor 20 Jahren, weil die Spielstärke allgemein zugenommen hat, oder nur wegen einiger Gesamtinflationstrend in den Zahlen? Ich versuche auch nicht, bloße Meinungen darüber einzuholen, ob das so ist oder nicht. Was mich interessiert:

Welche ernsthaften Forschungsversuche wurden unternommen, um die empirische Frage zu beantworten, ob sich die FIDE Elo-Bewertungen im Laufe der Zeit aufgrund einer anderen als einer Zunahme der Gesamtstärke im Spielerpool von Natur aus erhöht haben?

Der Wikipedia-Eintrag zum Elo-Bewertungssystem hat ein wenig zu sagen und verweist auch auf einen Artikel von Jeff Sonas von Chessmetrics . Zusätzlich zu Hinweisen auf die Arbeit anderer würde ich auch eine Antwort begrüßen, die eine klare und prägnante Zusammenfassung der wichtigsten Punkte von Sonas liefert.

Ich bin überrascht, dass der Artikel "Intrinsic Chess Ratings" von Ken Regan und Guy Haworth noch nicht veröffentlicht wurde. Es ist genau das, was verlangt wird, eine ernsthafte Untersuchung der Inflationsrate. PDF

Grundsätzlich erhielten sie Spiele aus drei Perioden (1976-1979, 1991-1994, 2006-2009) in verschiedenen Bewertungsbereichen (z. B. beide Spieler innerhalb von 10 Punkten von 2200, innerhalb von 10 Punkten von 2300 usw.) und ausgeschlossene Arten von Spielen, die könnte anomal sein, wie Mannschaftsspiele. Lesen Sie die Zeitung, sie sieht ziemlich gründlich aus.

Dann verglichen sie die Spiele systematisch mit Rybka 3.

Einige Sätze aus der Schlussfolgerung:

Wir kommen zu dem Schluss, dass es eine reibungslose Beziehung zwischen den Elo-Bewertungen der Spieler und der eigentlichen Qualität der Zugwahlen gibt, die vom Schachprogramm und der Agentenanpassung gemessen werden. Darüber hinaus sind die erzielten Endwerte für die entsprechenden Einträge aller drei Zeiträume nahezu gleich.

Meiner Ansicht nach ist dies ein ziemlich solider Beweis für die Existenz einer Rating-Inflation.

Ich stöberte in einigen herum. Sie haben diese Seiten wahrscheinlich gesehen, aber ich werde sie trotzdem posten:

ein. Diese Seite wird Sie interessieren . Es enthält eine Fotokopie eines Briefes von Elo selbst, in dem die Möglichkeit angegeben ist:

Die Ratingskala könnte sich daher im Laufe der Zeit verschieben, wenn nicht einige Maßnahmen ergriffen werden, um sie zu stabilisieren.

Er erwähnt weiter, dass die Bewertungsskala keinen Anker, keinen festen Punkt hat. Vergleichen Sie mit einem Athleten, der in einer Stunde ein Rennen fährt. Eine Stunde ist jetzt die gleiche wie vor 50 Jahren. Die Zeit ist ein solcher Fixpunkt.

b. Wurde die Inflationsfrage nicht bereits durch die jüngsten Enthüllungen von hohen Ratings aus isolierten Gebieten beantwortet? Eine Anspielung auf das Problem finden Sie im Abschnitt "Pool of Players" auf dieser Seite . Zusätzliche Unterstützung , obwohl sie weder wissenschaftlich noch besonders informativ ist. Suche nach "isol". Hier ist eine weitere Anekdote, die zeigt, was mit einzelnen Bevölkerungsgruppen passiert (und ein weiterer Kandidat für den Thread "Warum sind Schachspieler verrückt?").

c. Der Elo-Wiki-Artikel spricht von Inflation, als sei dies eine akzeptierte Tatsache.

d. Hier ist ein deutscher Artikel über Inflation und das Follow-up . Schau dir die rauchende Waffe von 1986 an!

In absoluten Zahlen ist Carlsen 2012 mit Sicherheit ein stärkerer Spieler als Kasparov 1985.

Wenn Carlsen 2012 rechtzeitig ein Spiel gegen Kasparov 1986 bestritt, würde Carlsen Kasparov besiegen. Dies liegt einfach daran, dass die technologieunterstützte Vorbereitung viel effizienter ist, und Carlsen hat auch einen Vorsprung in der Eröffnungstheorie, da er das gesammelte Wissen von 1987 bis 2012 besitzt, das Kasparov nicht besitzt.

Kasparov ist jedoch wahrscheinlich ein stärkerer Spieler als Carlsen. Wenn wir die FIDE Top 100-Liste für Juni 2000 (die älteste Liste, die es gibt) nehmen, sehen wir, dass Kasparov mit 2849 Elo mit einem Durchschnitt von 2641 um die 99 Follower konkurriert (Elo-Distanz 208 Punkte), während Calsen in den Fide Top 100 steht für Dezember 2012 mit einem 2848 Elo konkurriert mit einem Durchschnitt von 2702 für seine 99 Anhänger (Elo Abstand von 146 Punkten).

Bei Elo geht es um die Differenz der Punkte, nicht um die absoluten Werte (100 Differenzpunkte für Elo bedeuten, dass Spieler A 2-mal besser ist als Spieler B, 200 Punkte bedeuten 4-mal besser usw. Bei dieser Liste bedeutete dies also, dass Kasparov war im Durchschnitt mehr als viermal besser als alle seine 99 Anhänger, während Carlsen wahrscheinlich nur dreimal besser als der Durchschnitt seiner 99 Anhänger ist.

Wenn wir die Liste nehmen, in der Kasparov die maximale Entfernung mit seinen 99 Anhängern hat, und diese Entfernung mit der besten für Carlsen vergleichen, können wir feststellen, welcher Spieler tatsächlich der größte war, da mit 99 Datenpunkten Ausreißer (wie ein anderes Genie) lass es mildern.

Ich frage mich jedoch, ob es Carlsen oder Kasparov wirklich wichtig ist, wer besser ist.

Elos System bestand aus zwei Komponenten. Einer war unabhängig von der Geschichte, der andere nicht. Sein System zur Erstellung einer "Leistungsbewertung" im Verlauf eines Ereignisses oder eines Zeitraums hatte keine historische Komponente; Es war einfach ein Maß für die Leistung über die angegebene Zeit. (Memory fällt mir in diesem Punkt nicht ein, aber ich denke, als er die Bewertungen für FIDE berechnete, war dies die Methode, die er verwendet hat.)

Das Elo-System, wie es von Verbänden auf der ganzen Welt verwendet wird, hat jedoch eine historische Komponente, da Ratings durch Berechnung eines Deltas berechnet werden, einer Änderung gegenüber dem vorherigen Rating.

Das historisch begründete System tendiert von Natur aus zur Deflation. Das System ist ein geschlossenes System, bei dem keine neuen Punkte erstellt werden. Also kommen neue Spieler herein, nehmen Punkte von etablierten Spielern und gehen dann (durch Tod oder Rücktritt) aus dem Spiel aus, bevor alle diese Punkte an die nächste Gruppe aufsteigender Spieler zurückgegeben werden.

Viele Ideen haben versucht, dies zu kompensieren, einige funktionieren besser als andere. Hinzu kommt der kommerzielle Druck in der USCF der frühen 70er Jahre, die Einschaltquoten schneller zu erhöhen (die eher zynische Ansicht war, dass Spieler ein Buch von der USCF kaufen und an einem Turnier teilnehmen würden; ihre Einschaltquoten würden steigen und sie zum Kauf eines anderen ermutigen) Buch, etc.) und Inflation war an einigen Stellen in der Geschichte eine reale Sache.

Da Elos System auf einer normalen (Glocken-) Kurve basierte, ist es Unsinn, die Inflation zu messen, indem man eines der beiden Extreme misst. Es ist wahrscheinlicher, dass die Extreme von der Gesamtzahl der bewerteten Spieler beeinflusst werden, als von Veränderungen der tatsächlichen Stärke oder einer Inflation.

Ich habe eine einfache Idee. Nehmen wir einen Schachcomputer (Hardware + Software), dessen Bewertung vor 20 Jahren gemessen wurde, und spielen Sie mit anderen Schachcomputern, deren Bewertung vor 20 Jahren bekannt war. Lassen Sie uns jetzt die Bewertung messen (genau die gleiche Hardware und genau die gleiche Software), indem Sie mit modernen Schachcomputern spielen, deren heutige Bewertung bekannt ist. Die Differenz zweier Messungen würde die Ratinginflation der letzten 20 Jahre ausmachen. Einfach genug?

Die Schlussfolgerungen von Regan-Haworth sollten mit einem Körnchen Salz aufgenommen werden, da dies anderen Computeranalysen von Spielen zu widersprechen scheint , und zwar auf besserer Soft- und Hardware und mit fortgeschritteneren mathematischen Methoden. Dort kommt man zu dem Schluss (siehe Tabelle 9), dass Karpov 1977 nur geringfügig schlechter gespielt hat als Kasparov 2001 und Anand 2008 (voraussichtlich 47% der Punkte), und sogar besser als Topalov 2005 und Ponomariov 2005 2011. Da Kasparov-2001 150 Punkte höher bewertet ist als Karpov-1977, würde die Bewertung erwarten, dass er 70% der Punkte erzielt. Ich sehe keine Möglichkeit, dies mit der Behauptung zu vereinbaren, dass es keine Inflation bei den Ratings gab.

Beachten Sie auch, dass es entgegen der impliziten Behauptung in der Frage keinen Mechanismus gibt, durch den die Bewertung eine Änderung der Gesamtstärke im Spielerpool widerspiegeln würde . Es mag empirisch der Fall sein, dass sich eine typische Stärke eines 2600-Spielers über einen bestimmten Zeitraum nicht geändert hat, dies wäre jedoch eher ein Zufall als eine Widerspiegelung grundlegender Eigenschaften des ELO-Systems und sicherlich nicht verallgemeinerbar.

Wenn wir die Inflation eher naiv definieren und nur das Durchschnittsrating der Top-100-Spieler messen, dann gab es, wie aus diesem Link hervorgeht , eine konstante Inflation bis 2012 und seitdem keine Inflation - das Durchschnittsrating der Top-100 schwankte zwischen 2700 und 2705 für die letzten 7 Jahre .

Zuerst müssen Sie definieren, was Sie mit am besten meinen. Bedeutet das zum Beispiel, dass Sie der dominanteste Spieler Ihrer Zeit sind? Oder heißt das, dass die Qualität Ihres Spielers allen anderen Spielern überlegen ist? Und wenn Sie Qualität meinen, wie definieren Sie dann Qualität?

Paul Morphy war wahrscheinlich der dominanteste Spieler. Als er 12 Jahre alt war, besiegte er beispielsweise einen Top Ten-Spieler (Lowenthal) in einem Match mit 3: 0. Laut Edo und chessmetrics war er wahrscheinlich bereits mit 12 Jahren einer der besten Spieler der Welt! Im Alter von 21 Jahren spielte er gleichzeitig gegen 5 Top Ten-Spieler (Bird, Barnes, Boden, De Reviere und Lowenthal) und erzielte 3: 2.

Die meisten würden jedoch argumentieren, dass Dominanz ein schlechter Indikator dafür ist, wer der Beste ist. Immerhin wurde Morphy als der erste moderne Schachspieler beschrieben. Seine Konkurrenz war im Vergleich zu späteren Champions schwach.

Eine andere Definition, die verwendet wurde, ist die Qualität des Spiels. Diese Definition hat jedoch auch viele Probleme. In den 1900 Hunderten argumentierten einige Einzelpersonen, dass Steinitz oder Lasker die besten Spieler aller Zeiten waren und argumentierten, dass sie aufgrund ihrer Kenntnisse der Eröffnung und der modernen Theorie Spielern aus der Vergangenheit überlegen wären. Louis Paulsen machte jedoch einige sehr kluge Argumente gegen diese Hypothese. Er argumentierte, dass Morphy (der mit 19 Jahren ein fotografisches Gedächtnis hatte und sich den Louisana-Strichcode auswendig lernte) innerhalb eines Jahres Neueröffnungen und moderne Theorie lernen und erfolgreich gegen moderne Schachspieler antreten könne.

Regan argumentiert, dass moderne Schachspieler, die Zugang zu Schachcomputern und modernen Trainingsmethoden haben, eher wie Computer spielen als Spieler der Vergangenheit. Kein Wunder, denn sie wurden von Computern trainiert. Bedeutet das, dass moderne Spieler wirklich besser sind? Dies wirft die Frage auf, was würden Fischer oder Capablanca tun, wenn sie Zugang zu modernen Computern hätten?

Außerdem finde ich Professor Regans Analysecomputer ziemlich unvollständig, da er nur einige Fünfjahresperioden umfasst und die in die Analyse einbezogenen Akteure nicht erwähnt werden. Eine gründlichere Computeranalyse der Professoren Matej Guid und Ivan Bratko ergab, dass Capablanca tatsächlich eher wie ein Computer als wie ein moderner Spieler spielte! https://en.chessbase.com/post/computers-choose-who-was-the-strongest-player-. Guid und Bratko stellten jedoch fest, dass es ein Problem gibt, daraus zu schließen, dass Capablanca ein besserer Spieler war. Vielleicht führte sein eher bescheidener Stil zu weniger Positionen, an denen er wahrscheinlich patzte. Daher war sein Fehleranteil geringer, aber er übte auch weniger Druck auf seine Gegner aus als aggressivere Spieler. In der Tat hatte Capablanca einen hohen Ziehungsprozentsatz im Vergleich zu seinen Zeitgenossen.

Im Gegensatz dazu könnte ein sehr taktischer Spieler wie Kasparov durch seine Spielweise benachteiligt werden, was mit größerer Wahrscheinlichkeit zu sehr taktischen Positionen führt, bei denen Computer besonders gut geeignet sind, Fehler zu finden. In der Tat neigen Computer dazu, sich besser gegen taktische Spieler zu behaupten als Positions- oder insbesondere Closed-Position-Spieler, bei denen Taktiken eine untergeordnete Rolle spielen. Computeranalysen, die sich auf die Anzahl der vom Computer erkannten Fehler stützen, begünstigen daher wahrscheinlich Spieler mit geschlossenen Positionen. Im Gegensatz dazu kann ein aggressiver Spieler wie Kasparov mehr taktische Fehler machen als einige andere Spieler, weil er sehr komplexe Positionen gesucht hat, aber seine Gegner werden noch mehr machen!

Daher benötigen Sie ein Fehlergewichtungssystem, das nicht nur den Prozentsatz der Fehler pro 100 Züge berechnet (was Regan, Guid und Bratko auch getan haben). Stattdessen müssen Sie die Differenz zwischen Ihrer Fehlerrate und der Fehlerrate Ihres Gegners berechnen. Schließlich geht es beim Schach darum, weniger Fehler zu begehen als beim Gegner. Druck auf den Gegner auszuüben, um mehr Fehler zu verursachen, wird als gute Qualität angesehen.

Meine überarbeitete Berechnungsmethode führt jedoch zu einem anderen Problem: Diese Computeranalysen berücksichtigen nicht die Stärke Ihres Gegners. Zum Beispiel erreicht Larson vielleicht eine sehr hohe Schachmetrik-Wertung, weil sein aggressiver (optimistischer) Stil dazu führte, dass er die Spieler mit niedrigerer Wertung dominierte. Er hatte jedoch Probleme bei Spielen gegen Spieler gleicher Wertung. Andere Spieler haben häufig argumentiert, dass er in seinem Spiel gegen andere hochrangige Spieler zu optimistisch war. Um dieses Problem zu vermeiden, sollte die Analyse der Computerfehlerprüfung nur Spiele gegen starke Konkurrenten (z. B. die Top 10, 20 oder 100 Spieler) untersuchen. Damit ist jedoch das Problem der zunehmenden Wettbewerbsintensität im Laufe der Zeit noch immer nicht gelöst.

Kann das Problem der Verbesserung der Spielqualität durch einen Blick auf Bewertungen wie Chessmetrics behoben werden? Eigentlich bevorzuge ich das Edo-Back-Rating-System http://www.edochess.ca/weil die statistischen Annahmen besser sind. Zum Beispiel geht Chessmetrics davon aus, dass die Höchstwertung eines Spielers im Alter von 40 Jahren erfolgt. Ich bezweifle, dass dies für alle gilt, und viele Spieler geben das Schachspiel vor diesem Alter auf oder ihr Spiel war nur ein paar Jahre lang erstklassig (z. B. Harry Nelson Pillsbury, Charousek, Fischer, Morphy, Rubinstein, Fine). Leider vergleicht Edo nur die Spielerbewertungen von 1811 bis 1920. Laut Edo sind Capablanca und Morphy die beiden besten Spieler dieser Zeit. Laut Chessmetrics waren Capablanca und Lasker die beiden besten Spieler (Morphy schafft es nicht einmal in die Top Ten). Laut Chessmetrics sind Zukertort, Steinitz, Tarrasch, Lasker, Pillsbury, Maroczy, Marshall, Janowsky, Chigorin, Schelecter, Blackburne, Duras, Teichmann, Neumann, Vidmar, Gunsberg, Rubinstein und Burn waren besser als Morphy.

Wenn Innovation im Laufe der Zeit zu einer Dominanz innerhalb einer bestimmten Schach-Ära führt und es mit der Zeit immer schwieriger wird, Innovationen durchzuführen, können Sie die wahre Dominanz nicht nur anhand der Spielaufzeichnungen der 30 besten Spieler messen. Das heißt, es ist für Magnus Carlsen viel schwieriger, seine Gegner zu dominieren als für frühere Meister. Wenn Sie sich die Rückbewertungen ansehen, ist es leicht zu erkennen, dass die Differenz zwischen den Bewertungen der Top-Spieler im Laufe der Zeit abgenommen hat. Ich bin daher der Meinung, dass ein statistisches Modell vom Typ Edo, das die Schwierigkeit berücksichtigt, über einen längeren Zeitraum zu dominieren, ein besserer Ansatz wäre als das, was zuvor versucht wurde. Zum Beispiel war Fischer ein ziemlich dominanter Spieler für seine Ära, weil er 20 Spiele hintereinander gewann. Was war Kasparov oder Karpovs längste Siegesserie im Vergleich zu dieser Siegesserie? Laut Seirawan waren ihre längsten Siegesserien sieben Spiele.

Natürlich behaupte ich nicht, dass Gewinnstreifen eine gute Metrik sind. Ich argumentiere nur, dass die Dominanz durch Bewertungen oder in einzelnen Spielen gegen andere Top-Spieler eine nützliche Metrik ist, die in aktuellen Rückbewertungssystemen nicht explizit berücksichtigt wird.

Meine Traumanalyse lautet also, dass Sie Edo-Bewertungen verwenden, die auf einer Datenbank basieren, in der nur die 20 oder 30 besten Spieler eines Fünfjahreszeitraums erfasst sind. Nach Abschluss dieser Analyse gewichten Sie Ihre Ergebnisse mit einem Dominanzfaktor neu. Das heißt, neuere Spieler erhalten einen Bonusfaktor, der berechnet wird, indem der Verlauf des Schwierigkeitsgrads der Dominanz über die Zeit geschätzt wird (die Abnahme der Bewertungsunterschiede zwischen den Top-30-Spielern über die Zeit). Als nächstes würden Sie diese Analyse validieren, indem Sie den Prozentsatz der Schachcomputerfehler vergleichen, den Ihre Gegner machen, abzüglich Ihrer eigenen Fehler. Wenn dies das oben Genannte ungültig macht, müssen Sie gemäß der Computerfehlerüberprüfungsanalyse neu gewichten, wenn sich herausstellt, dass neuere Top-Spieler auch unter Berücksichtigung meines Dominanzfaktors tendenziell genauer spielen.

Meine Vermutung basiert auf meinen Augen, dass Kasparov sehr gut abschneiden würde. Aber das ist nur eine Vermutung.