En quelque sorte (mais pas vraiment) - et il devient en fait plus difficile pour les moteurs de le faire pour vous. Pour comprendre pourquoi, vous devez comprendre le déroulement de l'évaluation. Les moteurs peuvent généralement effectuer des évaluations instantanées sur une position donnée, ce qui lui donne une valeur brute. Puis, quelle que soit la position, ils jouent en avant, essayant de trouver la ligne en avant qui optimise ce score pour les deux côtés.
Il est important de comprendre que le score «2,0» ou «1,4» n'est pas l'évaluation / le score pour la position actuelle. Au lieu de cela, c'est l'évaluation que N se déplace le long de la ligne, chaque côté jouant le meilleur coup trouvé par le moteur. C'est pourquoi le «score d'évaluation actuel» saute pendant que l'ordinateur réfléchit. Ce n'est pas que le 'score' pour une position a changé - c'est juste qu'il a trouvé une ligne différente en avant qui s'est retrouvée dans une position différente (qui avait un score différent.)
Dans le passé, les moteurs étaient nuls. Pas seulement à cause des algorithmes sous-optimaux, mais à cause du matériel très lent - si vous pensez que l'intérêt composé est puissant, ce n'est rien comparé à la loi de Moore . Donc, les ordinateurs à l'époque ne faisaient que regarder quelques pas vers l'avenir. Ce qui a rendu relativement facile pour un humain de suivre la logique - votre score a baissé parce que vous perdez votre chevalier au tour suivant.
Mais maintenant? Si votre score est passé de «2,0» à «-0,3», il est possible que ce soit parce que, en raison de certaines tactiques inévitables au cours des 7 prochains mouvements, vous devrez abandonner l'échange afin d'éviter de perdre votre reine ou de vous faire échec et mat. . Mais il est difficile de montrer le saut de "Voici la position maintenant" et "Eh bien, j'ai évalué 20 milliards de positions à l'avenir, et croyez-moi quand je dis que vous sacrifiez la tour pour leur évêque était le meilleur que vous puissiez espérer."