>> spróbować zakodować mechanizm oceny w ogóle i uwzględniający takie
>> przypadki w szczególności?
> Wlasnie takie kodowanie wydaje mi sie malo interesujace i
> bardzo zmudne. Chcialbym jakas metode ktora sama odkryje
> wiedze w danych.

opisanie algorytmem czegoś wydającego się na nieopisywalne mało
interesujące? zastanawiałeś się nad logiką swojego, ludzkiego "widzenia
jak na dłoni" - niemal zawsze takie ludzkie oczywiste odczucia są bardzo
ciężkie do zalgorytmizowania

> Gdy program przeszukuje drzewo gry to w kazdym wezle wykonuje
> wiele ruchow ktore nie wplywaja na poprawe oceny. Mozna
> zapisac na dysku uklady na szachownicy wraz z ruchem i stanem
> algorytmu i wraz z tym czy ruch poprawil ocene czy nie. W ten sposob
> powstana wektory uczace, kazdy wektor bedzie mial wartosc true jesli
> przyczynil sie do poprawy oceny, albo false jesli oceny nie porawil.

zależy od zadania, ale częściej nie chodzi o konkretne wartości/układy
(wzorce szachowe) a o podobieństwa do znanych przypadków, logika rozmyta
w ocenianiu (ale nie tworzenie wzorca do uczenia sieci) a nie proste
true/false, bo to może być końcowym wynikiem oceny

możesz też na początku odrzucać wszystkie wyniki dające ocenę poniżej
zadanego progu i ew. wracać do nich w kolejnych iteracjach zmieniając
próg odcięcia by przeskoczyć ew. minima lokalne

> Pierwsze pytanie jakie sie nasuwa: czy da sie do takich danych
> zbudowac w sensownym czasie jakis klasyfikator?

zależy ile czasu chcesz poświęcić i ile możesz zyskać

> Drugie pytanie: jaka musi byc skutecznosc takieo klasyfikatora
> zeby przeszukiwanie drzewa gry nie dalo blednego wyniku?
> Klasyfikator moze sie mylic tylko raz na milion ruchow, czy moze
> raz na tysiac? Jesli bedzie dzialal szybciej niz przeszukiwanie
> drzewa gry, to na pewno raz na iles ruchow bedzie sie mylil.

nie od razu programy szachowe zawsze wygrywały