Hampir tiga dekade setelah Deep Blue mengejutkan dunia catur, para peneliti masih mencoba menjawab pertanyaan sederhana: apa sebenarnya yang membuat AI begitu mahir dalam bermain catur? Sebuah makalah baru-baru ini di APS Open Science, yang disoroti oleh Scientific American pada tanggal 15 November, menawarkan petunjuk terukur – dan hal ini mengarah pada hal yang penulis sebut sebagai “ketegangan strategis.”
Mesin catur telah lama mampu mengungguli manusia, memaksa sejumlah besar kandidat bergerak melalui pencarian pohon. Mesin jaringan saraf modern seperti Stockfish dan Leela Layers menggunakan jaringan terlatih untuk memandu pencarian tersebut, dan permainan mereka semakin hebat. Apa yang ditambahkan oleh studi baru ini adalah gambaran statistik tentang bagaimana permainan mereka berbeda dari permainan kita — tidak hanya dalam hal siapa yang menang, namun juga dalam tampilan papan itu sendiri saat permainan berlangsung. Bagi pembaca yang mengikuti berita penelitian AI, karya ini merupakan pengingat bahwa bahkan domain "perasaan terpecahkan" seperti catur masih menyimpan pertanyaan terbuka tentang bagaimana sebenarnya mesin berpikir.
Mengukur Ketegangan pada Papan
Penelitian ini dipimpin oleh fisikawan di Complexity Science Hub di Wina, dengan penulis senior Vito D. P. Servedio. Tim mengumpulkan permainan manusia-lawan-manusia dan permainan Stockfish-versus-Leela dari database online, kemudian mengukur jumlah yang mereka sebut ketegangan strategis di setiap posisi: pada dasarnya, jumlah interaksi timbal balik yang mungkin terjadi antara bagian-bagian yang berlawanan. Posisi-posisi bertegangan tinggi adalah posisi-posisi di mana banyak bagian saling berhadapan satu sama lain — penuh dengan penangkapan laten, ancaman, dan ancaman balasan yang dapat dilepaskan hanya dengan satu gerakan.
Ketegangan adalah besaran alami yang harus dicapai oleh fisikawan. Ini menangkap, dalam satu angka, seberapa besar kompleksitas yang tersembunyi dalam suatu posisi - seberapa besar keadaan permainan akan berubah jika salah satu pemain mendorong papan melewati tepian ke dalam rangkaian pertukaran.
Manusia Menyederhanakan; Mesin Menjaga Papan Tetap Terjaga
Temuan utamanya adalah perbedaan dalam bagaimana ketegangan berkembang. Dalam permainan manusia, ketegangan rata-rata sebenarnya lebih tinggi daripada permainan AI selama 20 gerakan pertama – fase di mana orang bersandar pada pembukaan yang dihafal dan taktik yang telah dilatih dengan baik, dengan harapan bahwa kompleksitas pada akhirnya akan memaksa lawan untuk tergelincir.
Tapi setelah titik itu, garisnya bersilangan. Ketegangan manusia turun di bawah tingkat ketegangan pada game AI, yang tetap tinggi hingga pertengahan game. Interpretasi para peneliti: ketika posisi menjadi asing, pemain manusia menyederhanakan, memperdagangkan bidak dan mengarahkan ke struktur yang lebih tenang karena mereka tidak dapat memikirkan kompleksitas penuh dari banyak bidak yang berinteraksi dan berbagai pilihan sekaligus. Mesin tidak merasakan kendala seperti itu. Mereka mempertahankan posisi-posisi yang penuh dengan ancaman timbal balik yang tidak dapat ditoleransi oleh sebagian besar pemain manusia – dan justru posisi-posisi tersebut, menurut penelitian, adalah tempat di mana akurasi manusia menurun.
Keterampilan, Kontrol Waktu, dan Kedalaman Pencarian
Data juga menunjukkan bahwa ketegangan melacak kemampuan dan pertimbangan baik pada manusia maupun mesin. Pemain manusia yang berperingkat lebih tinggi mempertahankan ketegangan yang lebih besar sepanjang permainan mereka dibandingkan pemain yang berperingkat lebih rendah. Permainan dengan waktu berpikir lebih banyak menunjukkan lebih banyak ketegangan – tertinggi pada catur klasik, lebih rendah pada catur cepat, dan paling rendah pada catur blitz – konsisten dengan gagasan bahwa mempertahankan kompleksitas itu mahal dalam upaya kognitif. Dan di sisi mesin, tim mengamati bahwa ketika Stockfish mencari kemungkinan kelanjutan yang lebih dalam, ketegangan meningkat.
Penulis berhati-hati tentang kausalitas. Ketegangan yang lebih tinggi berkorelasi dengan kemampuan yang lebih besar pada manusia dan AI, namun penelitian ini tidak menunjukkan bahwa ketegangan menghasilkan kemampuan tersebut – atau bahwa hal itu berasal darinya. Ini adalah tanda dari permainan yang kuat, namun belum ada mekanisme yang terbukti.
"Sepertinya Mereka Sedang Bermain Sulap"
Ambisi para peneliti lebih dari sekadar mengkarakterisasi estetika catur. “Mungkin makalah kami adalah yang paling dekat untuk memahami apa yang dilakukan mesin-mesin ini,” kata Servedio kepada Scientific American. "Kalau tidak, sepertinya mereka sedang bermain sulap."
Pembingkaian tersebut — memperlakukan permainan mesin sebagai sistem fisik yang harus diukur dan bukan sebagai kotak hitam yang harus dikagumi — adalah yang membedakan karya ini dari analisis catur mesin sebelumnya. Daripada menanyakan apakah pergerakan mesin adalah yang terbaik, tim menanyakan apa yang diungkapkan oleh statistik agregat permainan mesin tentang jenis pencarian dan evaluasi yang dilakukan mesin.
Peringatan di Luar Papan Catur
Servedio juga menimbulkan implikasi yang meresahkan untuk domain yang jauh dari 64 kotak. Jika sistem AI mencapai hasil yang lebih baik dalam situasi yang kompleks dan bermusuhan dengan mempertahankan ketegangan yang tinggi – menjaga banyak interaksi yang mudah berubah tetap hidup secara bersamaan – maka menerapkannya dalam sesuatu seperti diplomasi dapat berarti strategi yang dioptimalkan oleh mesin yang dianggap sangat rapuh oleh manusia. “Ini sangat berbahaya karena ketika tegangan tinggi, sistem menjadi sangat tidak stabil,” katanya. “Jadi kesalahan kecil saja di salah satu pihak akan menimbulkan bencana.”
Analoginya bersifat spekulatif, dan penulisnya tidak mengklaim telah mengukur dinamika diplomasi. Namun hal ini menunjukkan adanya ketegangan yang nyata (dalam bentuk organisasi) dalam penerapan AI: sifat yang sama yang memungkinkan sebuah mesin mengungguli seorang grandmaster – kenyamanan dengan kompleksitas yang berkelanjutan – mungkin merupakan sifat yang membuat strateginya berisiko untuk diterapkan pada institusi manusia yang tidak dapat mempertahankannya dengan baik.
Apa yang Tidak Ditunjukkan oleh Penelitian
Keterbatasannya layak untuk dinyatakan dengan jelas. Studi ini menetapkan korelasi antara ketegangan dan kekuatan bermain, bukan mekanisme sebab akibat yang menghubungkan keduanya. Ini membandingkan sepasang mesin tertentu dengan populasi permainan manusia tertentu dari database online, dan catur – dengan gerakannya yang terpisah dan informasi yang sempurna – tetap menjadi pilihan terbaik untuk analisis semacam ini. Memperluas “ketegangan strategis” ke wilayah yang lebih berantakan hanyalah sebuah hipotesis, bukan hasil.
Namun, makalah ini menambahkan sesuatu yang kurang dalam literatur catur-AI: statistik sederhana dan dapat dihitung yang dengan jelas memisahkan cara manusia dan mesin mengelola kompleksitas selama permainan berlangsung. Catur telah lama menjadi model sistem untuk mempelajari kognisi baik pada manusia maupun mesin, dan kemenangan Deep Blue atas Garry Kasparov pada tahun 1997 menandai momen pertama kalinya mesin membuktikan bahwa mereka mampu berpikir lebih baik dari kita dalam permainan perhitungan kita sendiri. Hampir 30 tahun kemudian, pertanyaannya telah berubah dari apakah mesin bisa menang menjadi mengapa mereka menang – dan, semakin meningkat, menjadi pelajaran apa yang bisa diajarkan oleh cara mereka untuk menang tentang sistem yang sekarang menjadi tempat kita mengambil keputusan di dunia nyata.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
