Wenn man sich mal sich mal zwei Programme vorstellt, die jeweils 180000 Positionen in 3 Minuten berechnen, dann werden sie bei einer Verdoppelung der Geschwindigkeit 360000 Züge in 3 Minuten berechnen. Wenn man jetzt mal annimmt, daß die guten Züge stochastisch im Suchbaum verteilt sind (was nicht ganz stimmt, weil es Korrelationen gibt), dann würde die Ausgangsfrage implizieren, daß ein Programm (A) sich plötzlich nur noch die Rosinen herauspickt, während das andere Programm (B) genauso plötzlich nur noch Fettnäpfchen erwischt.

Wenn das so ist, dann müssen sich Programm A und B derart unterscheiden, daß mit zunehmender Rechentiefe die Effektivität der Algorithmen von Programm B gegenüber Programm A immer weiter abfällt. Das könnte zum Beispiel dadurch passieren, daß mit zunehmender Rechentiefe Algorithmen (Programmwissen) abgeschaltet werden, oder aber die Algorithmen an Effektivität verlieren.

An dieser Stelle liegt die Vermutung nahe, und wurde in der Praxis durch leistungsfähige Rechner bereits bestätigt, daß allzuviel "Programmwissen" mit zunehmender Rechenleistung eher störend ist. Effektive Algorithmen müssen schnell sein und sich der Stellung dynamisch anpassen (siehe Rybka).

Ein einfaches Beispiel ist die Regel, daß ein Läufer mehr Wert ist als ein Bauer. Ein starker Spieler wird aber, wenn der Läufer auf d3 steht und Schwarz kurz rochiert hat, mit dem Läufer auf h7 einschlagen. Ein sehr starker Spieler wird aber erkennen, daß das Läuferopfer manchmal auch in die berühmte Hose gehen kann. Wenn ein Programm allzuviel Wissen oder sonstige Restriktionen und starre algorithmische Strukturen vorgegeben bekommt, dann kann das im Nahbereich durchaus noch hilfreich sein, ist aber mit zunehmender Rechenleistung eher von Nachteil. Willi's Beobachtung, daß die Geräte von Frans Morsch sehr gut auf ein Tuning reagieren, bestätigt dieses Verhalten.

Viele Grüße,
Frank