Σχεδόν τρεις δεκαετίες αφότου το Deep Blue κατέπληξε τον κόσμο του σκακιού, οι ερευνητές εξακολουθούν να προσπαθούν να απαντήσουν σε μια απατηλά απλή ερώτηση: τι ακριβώς κάνει την τεχνητή νοημοσύνη τόσο καλή στο σκάκι; Μια πρόσφατη εργασία στο APS Open Science, που επισημάνθηκε από το Scientific American στις 15 Νοεμβρίου, προσφέρει μια μετρήσιμη ένδειξη - και καταλήγει σε μια ιδιότητα που οι συγγραφείς αποκαλούν "στρατηγική ένταση".

Οι σκακιστικές μηχανές ήταν από καιρό σε θέση να υπερ-υπολογίζουν τους ανθρώπους, εξαναγκάζοντας τεράστιους αριθμούς υποψήφιων κινήσεων μέσω της αναζήτησης δέντρων. Οι σύγχρονες μηχανές νευρωνικών δικτύων, όπως η Stockfish και η Leela Layers, χρησιμοποιούν εκπαιδευμένα δίκτυα για να καθοδηγήσουν αυτήν την αναζήτηση και το παιχνίδι τους έχει γίνει πιο τρομερό. Αυτό που προσθέτει η νέα μελέτη είναι ένα στατιστικό πορτρέτο του πώς το παιχνίδι τους διαφέρει από το δικό μας — όχι μόνο ως προς το ποιος κερδίζει, αλλά και στο πώς φαίνεται ο ίδιος ο πίνακας καθώς εξελίσσεται το παιχνίδι. Για τους αναγνώστες που παρακολουθούν Ερευνητικές ειδήσεις AI, το έργο είναι μια υπενθύμιση ότι ακόμη και τομείς «λυμένης αίσθησης» όπως το σκάκι εξακολουθούν να έχουν ανοιχτά ερωτήματα σχετικά με το πώς σκέφτονται πραγματικά οι μηχανές.

Μετρώντας την ένταση στο ταμπλό

Η μελέτη διεξήχθη από φυσικούς στο Complexity Science Hub στη Βιέννη, με τον ανώτερο συγγραφέα Vito D. P. Servedio. Η ομάδα συνέλεξε τόσο παιχνίδια ανθρώπου εναντίον ανθρώπου όσο και παιχνίδια Stockfish-versus-Leela από διαδικτυακές βάσεις δεδομένων και στη συνέχεια μέτρησε μια ποσότητα που αποκαλούν στρατηγική ένταση σε κάθε θέση: ουσιαστικά, τον αριθμό των αμοιβαίων αλληλεπιδράσεων που είναι δυνατές μεταξύ των αντίπαλων κομματιών. Οι θέσεις υψηλής έντασης είναι εκείνες όπου πολλά κομμάτια τετράγωνονται μεταξύ τους — πλούσιες με λανθάνουσες συλλήψεις, απειλές και ανταπειλές που θα μπορούσαν να εξαπολυθούν με μία μόνο κίνηση.

Η ένταση είναι μια φυσική ποσότητα που πρέπει να προσεγγίσουν οι φυσικοί. Καταγράφει, σε έναν μόνο αριθμό, πόση πολυπλοκότητα είναι λανθάνουσα σε μια θέση - πόσο θα άλλαζε η κατάσταση του παιχνιδιού εάν κάποιος παίκτης ωθούσε το ταμπλό πάνω από την άκρη σε έναν καταρράκτη ανταλλαγών.

Οι άνθρωποι απλοποιούν. Κινητήρες Κρατήστε τη σανίδα στην άκρη

Το κεντρικό εύρημα είναι μια απόκλιση στον τρόπο με τον οποίο εξελίσσεται η ένταση. Στα ανθρώπινα παιχνίδια, η μέση ένταση ήταν στην πραγματικότητα υψηλότερη από ό,τι στα παιχνίδια τεχνητής νοημοσύνης κατά τις πρώτες 20 κινήσεις - τη φάση όπου οι άνθρωποι στηρίζονται σε απομνημονευμένα ανοίγματα και καλά τρυπημένες τακτικές, ελπίζοντας ότι η πολυπλοκότητα θα αναγκάσει τελικά τον αντίπαλο να γλιστρήσει.

Αλλά μετά από αυτό το σημείο, οι γραμμές διασταυρώνονται. Η ανθρώπινη ένταση πέφτει κάτω από αυτή των παιχνιδιών AI, η οποία παραμένει υψηλή βαθιά στο μεσαίο παιχνίδι. Η ερμηνεία των ερευνητών: καθώς οι θέσεις γίνονται άγνωστες, οι ανθρώπινοι παίκτες απλοποιούνται, ανταλλάσσουν κομμάτια και κατευθύνονται προς πιο ήρεμες δομές, επειδή δεν μπορούν να κρατήσουν την πλήρη πολυπλοκότητα πολλών κομματιών που αλληλεπιδρούν και πολλαπλών επιλογών ταυτόχρονα. Οι κινητήρες δεν αισθάνονται τέτοιους περιορισμούς. Διατηρούν θέσεις πυκνές με αμοιβαίες απειλές που οι περισσότεροι ανθρώπινοι παίκτες θα θεωρούσαν απαράδεκτο να πλοηγηθούν - και ακριβώς σε αυτές τις θέσεις, προτείνει η μελέτη, η ανθρώπινη ακρίβεια υποβαθμίζεται.

Ικανότητα, έλεγχοι χρόνου και βάθος αναζήτησης

Τα δεδομένα έδειξαν επίσης ότι η ένταση παρακολουθεί την ικανότητα και τη σκέψη τόσο σε ανθρώπους όσο και σε μηχανές. Ανθρώπινοι παίκτες με υψηλότερη βαθμολογία διατήρησαν μεγαλύτερη ένταση σε όλη τη διάρκεια των παιχνιδιών τους από τους παίκτες με χαμηλότερη βαθμολογία. Τα παιχνίδια με περισσότερο χρόνο σκέψης έδειξαν περισσότερη ένταση - υψηλότερη στο κλασικό σκάκι, χαμηλότερη στο γρήγορο και χαμηλότερη στο blitz - σύμφωνα με την ιδέα ότι η διατήρηση της πολυπλοκότητας είναι ακριβή στη γνωστική προσπάθεια. Και από την πλευρά του μηχανήματος, η ομάδα παρατήρησε ότι όταν η Stockfish έψαξε βαθύτερα δέντρα πιθανών συνεχειών, η ένταση αυξήθηκε.

Οι συγγραφείς προσέχουν την αιτιότητα. Η υψηλότερη ένταση συσχετίστηκε με μεγαλύτερη ικανότητα τόσο στους ανθρώπους όσο και στην τεχνητή νοημοσύνη, αλλά η μελέτη δεν έδειξε ότι η ένταση παράγει αυτή την ικανότητα - ή ότι απορρέει από αυτήν. Είναι ένα δακτυλικό αποτύπωμα δυνατού παιχνιδιού, όχι ακόμη ένας αποδεδειγμένος μηχανισμός.

"Φαίνεται ότι παίζουν μαγικά"

Η φιλοδοξία των ερευνητών υπερβαίνει τον χαρακτηρισμό της σκακιστικής αισθητικής. «Πιθανώς το έγγραφό μας είναι το πιο κοντινό στην κατανόηση του τι κάνουν αυτά τα μηχανήματα», είπε ο Servedio στο Scientific American. «Διαφορετικά φαίνεται ότι παίζουν μαγικά».

Αυτό το καδράρισμα - αντιμετωπίζοντας το παιχνίδι με κινητήρα ως ένα φυσικό σύστημα που πρέπει να μετρηθεί και όχι ως ένα μαύρο κουτί που πρέπει να θαυμαστεί - είναι αυτό που διακρίνει το έργο από προηγούμενες αναλύσεις του μηχανικού σκακιού. Αντί να ρωτήσει εάν η κίνηση ενός κινητήρα είναι η καλύτερη, η ομάδα ρωτά τι αποκαλύπτουν τα συγκεντρωτικά στατιστικά στοιχεία του παιχνιδιού κινητήρα σχετικά με το είδος αναζήτησης και αξιολόγησης που εκτελεί το μηχάνημα.

Μια προειδοποίηση πέρα ​​από τη σκακιέρα

Το Servedio επέστησε επίσης μια ανησυχητική επίπτωση για τομείς μακριά από 64 τετράγωνα. Εάν τα συστήματα τεχνητής νοημοσύνης επιτυγχάνουν καλύτερα αποτελέσματα σε πολύπλοκα, αντίπαλα περιβάλλοντα διατηρώντας υψηλή ένταση - διατηρώντας ταυτόχρονα πολλές ασταθείς αλληλεπιδράσεις ζωντανές - τότε η ανάπτυξή τους σε κάτι σαν τη διπλωματία θα μπορούσε να σημαίνει βελτιστοποιημένες μηχανές στρατηγικές που οι άνθρωποι βρίσκουν αδιαχείριστα εύθραυστες. «Αυτό είναι πολύ επικίνδυνο γιατί όταν έχεις υψηλή ένταση, τα συστήματα είναι πολύ ασταθή», είπε. «Έτσι μόνο ένα μικρό λάθος από μία από τις πλευρές θα προκαλέσει καταστροφή».

Η αναλογία είναι εικαστική και οι συγγραφείς δεν ισχυρίζονται ότι έχουν μετρήσει τη διπλωματική δυναμική. Ωστόσο, επισημαίνει μια πραγματική ένταση (του οργανωτικού είδους) στην ανάπτυξη της τεχνητής νοημοσύνης: η ίδια ιδιότητα που επιτρέπει σε έναν κινητήρα να ξεπερνά έναν μεγάλο μάστερ - άνεση με διαρκή πολυπλοκότητα - μπορεί να είναι η ιδιότητα που καθιστά επικίνδυνη την υιοθέτηση των στρατηγικών του σε ανθρώπινα ιδρύματα που δεν μπορούν να τις συντηρήσουν αξιόπιστα.

Τι δεν δείχνει η μελέτη

Οι περιορισμοί αξίζει να δηλωθούν ξεκάθαρα. Η μελέτη καθιερώνει συσχέτιση μεταξύ της έντασης και της δύναμης του παιχνιδιού, όχι έναν αιτιολογικό μηχανισμό που συνδέει τα δύο. Συγκρίνει ένα συγκεκριμένο ζευγάρι μηχανών με έναν συγκεκριμένο πληθυσμό ανθρώπινων παιχνιδιών από διαδικτυακές βάσεις δεδομένων και το σκάκι - με τις διακριτές του κινήσεις και τις τέλειες πληροφορίες - παραμένει η καλύτερη περίπτωση για αυτού του είδους την ανάλυση. Η επέκταση της «στρατηγικής έντασης» σε πιο μπερδεμένους τομείς είναι υπόθεση, όχι αποτέλεσμα.

Ωστόσο, η εφημερίδα προσθέτει κάτι που λείπει από τη λογοτεχνία του σκακιού-AI: ένα απλό, υπολογίσιμο στατιστικό που διαχωρίζει καθαρά τον τρόπο με τον οποίο άνθρωποι και μηχανές διαχειρίζονται την πολυπλοκότητα κατά τη διάρκεια ενός παιχνιδιού. Το σκάκι έχει χρησιμεύσει ως πρότυπο σύστημα για τη μελέτη της γνώσης τόσο σε ανθρώπους όσο και σε μηχανές, και η νίκη του Deep Blue το 1997 επί του Garry Kasparov σηματοδότησε τη στιγμή που οι μηχανές απέδειξαν για πρώτη φορά ότι μπορούσαν να μας ξεπεράσουν στο δικό μας παιχνίδι υπολογισμού. Σχεδόν 30 χρόνια μετά, το ερώτημα έχει μετατοπιστεί από το εάν οι μηχανές μπορούν να κερδίσουν στο γιατί κερδίζουν — και, όλο και περισσότερο, στο τι θα μπορούσε να μας διδάξει ο τρόπος νίκης τους για τα συστήματα στα οποία δίνουμε τώρα τις πραγματικές αποφάσεις.

---

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Λάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.

Διαβάστε περισσότερα νέα AI →