La aproape trei decenii după ce Deep Blue a uimit lumea șahului, cercetătorii încă încearcă să răspundă la o întrebare înșelător de simplă: ce face AI atât de bun la șah? O lucrare recentă din APS Open Science, subliniată de Scientific American pe 15 noiembrie, oferă un indiciu măsurabil - și se reduce la o proprietate pe care autorii o numesc „tensiune strategică”.

Motoarele de șah au fost de mult capabile să depășească oamenii, forțând un număr imens de mișcări candidate prin căutarea în copac. Motoarele moderne de rețele neuronale, cum ar fi Stockfish și Leela Layers, folosesc rețele pregătite pentru a ghida această căutare, iar jocul lor a devenit mai formidabil. Ceea ce adaugă noul studiu este un portret statistic al modului în care jocul lor diferă de al nostru - nu doar în ceea ce privește cine câștigă, ci și în ceea ce arată tabla în sine pe măsură ce jocul se desfășoară. Pentru cititorii care urmăresc știrile cercetării AI, lucrarea este un memento că chiar și domeniile „rezolvate” precum șahul încă mai au întrebări deschise despre modul în care mașinile gândesc de fapt.

Măsurarea tensiunii la bord

Studiul a fost condus de fizicieni de la Complexity Science Hub din Viena, cu autorul principal Vito D. P. Servedio. Echipa a colectat atât jocurile om-versus-uman, cât și jocurile Stockfish-versus-Leela din baze de date online, apoi a măsurat o cantitate pe care o numesc tensiune strategică în fiecare poziție: în esență, numărul de interacțiuni reciproce posibile între piesele opuse. Pozițiile de înaltă tensiune sunt acelea în care multe piese se confruntă unele cu altele — bogate în capturi latente, amenințări și contra-amenințări care ar putea fi dezlănțuite printr-o singură mișcare.

Tensiunea este o cantitate naturală la care fizicienii o pot atinge. Acesta surprinde, într-un singur număr, cât de multă complexitate este latentă într-o poziție - cât de mult s-ar schimba starea jocului dacă oricare dintre jucători ar împinge tabla peste margine într-o cascadă de schimburi.

Oamenii simplifică; Motoarele țin placa pe margine

Constatarea centrală este o divergență în modul în care evoluează tensiunea. În jocurile cu oameni, tensiunea medie a fost de fapt mai mare decât în ​​jocurile cu inteligență artificială în timpul primelor 20 de mișcări – faza în care oamenii se sprijină pe deschideri memorate și tactici bine exercitate, în speranța că complexitatea va forța în cele din urmă un adversar să alunece.

Dar după acel punct, liniile se încrucișează. Tensiunea umană scade sub cea a jocurilor AI, care rămâne ridicată până în mijlocul jocului. Interpretarea cercetătorilor: pe măsură ce pozițiile devin nefamiliare, jucătorii umani simplifică, schimbând piesele și îndreptându-se către structuri mai calme, deoarece nu pot ține în minte întreaga complexitate a multor piese care interacționează și mai multe opțiuni simultan. Motoarele nu simt o astfel de constrângere. Ei susțin poziții pline de amenințări reciproce pe care majoritatea jucătorilor umani le-ar considera intolerabile să le navigheze – și tocmai în acele poziții, sugerează studiul, se degradează acuratețea umană.

Abilități, controale de timp și adâncime de căutare

Datele au arătat, de asemenea, că tensiunea urmărește capacitatea și deliberarea atât la oameni, cât și la mașini. Jucătorii umani cu cota mai mare au menținut o tensiune mai mare pe tot parcursul jocurilor decât cei cu cota mai mică. Jocurile cu mai mult timp de gândire au arătat mai multă tensiune - cea mai mare în șahul clasic, mai scăzută în rapid și cea mai scăzută în blitz - în concordanță cu ideea că susținerea complexității este costisitoare în efortul cognitiv. Și din partea mașinii, echipa a observat că atunci când Stockfish a căutat copaci mai adânci cu posibile continuări, tensiunea a crescut.

Autorii sunt atenți la cauzalitate. Tensiunea mai mare s-a corelat cu o capacitate mai mare atât la oameni, cât și la IA, dar studiul nu a arătat că tensiunea produce acea abilitate sau că curge din ea. Este o amprentă a jocului puternic, nu este încă un mecanism demonstrat.

„Se pare că fac magie”

Ambiția cercetătorilor depășește caracterizarea esteticii șahului. „Probabil că lucrarea noastră este cea mai apropiată de a înțelege ce fac aceste mașini”, a spus Servedio pentru Scientific American. „În caz contrar, se pare că joacă magie”.

Această încadrare – tratarea jocului motorului ca pe un sistem fizic care trebuie măsurat și nu ca pe o cutie neagră de admirat – este ceea ce distinge lucrarea de analizele anterioare ale șahului cu mașini. În loc să întrebe dacă mișcarea unui motor este cea mai bună, echipa întreabă ce dezvăluie statisticile agregate ale jocului motorului despre tipul de căutare și evaluare pe care o efectuează mașina.

Un avertisment dincolo de tabla de șah

Servidio a atras, de asemenea, o implicație neliniștitoare pentru domenii departe de 64 de pătrate. Dacă sistemele de inteligență artificială obțin rezultate mai bune în medii complexe, conflictuale, susținând tensiuni ridicate - menținând în viață multe interacțiuni volatile simultan -, atunci implementarea lor în ceva precum diplomația ar putea însemna strategii optimizate pentru mașini pe care oamenii le consideră fragile de necontrolat. „Acest lucru este foarte periculos pentru că atunci când aveți tensiune mare, sistemele sunt foarte instabile”, a spus el. „Așa că o mică eroare dintr-una dintre părți va provoca un dezastru”.

Analogia este speculativă, iar autorii nu pretind că au măsurat dinamica diplomatică. Dar evidențiază o tensiune reală (de tip organizațional) în implementarea AI: aceeași proprietate care permite unui motor să depășească un mare maestru - confort cu complexitate susținută - poate fi proprietatea care face ca strategiile sale să fie riscant să fie adoptate în instituțiile umane care nu le pot menține în mod fiabil.

Ce nu arată studiul

Limitările merită menționate clar. Studiul stabilește o corelație între tensiune și puterea de joc, nu un mecanism cauzal care leagă cele două. El compară o anumită pereche de motoare cu o anumită populație de jocuri umane din baze de date online, iar șahul - cu mișcările sale discrete și informațiile perfecte - rămâne cel mai bun caz pentru acest tip de analiză. Extinderea „tensiunii strategice” la domenii mai dezordonate este o ipoteză, nu un rezultat.

Totuși, lucrarea adaugă ceva ce i-a lipsit literaturii de șah-AI: o statistică simplă, calculabilă, care separă clar modul în care oamenii și mașinile gestionează complexitatea pe parcursul unui joc. Șahul a servit mult timp ca un sistem model pentru studierea cogniției atât la oameni, cât și la mașini, iar victoria lui Deep Blue din 1997 asupra lui Garry Kasparov a marcat momentul în care mașinile au dovedit pentru prima dată că ne pot depăși la propriul nostru joc de calcul. După aproape 30 de ani, întrebarea a trecut de la dacă mașinile pot câștiga la de ce câștigă – și, din ce în ce mai mult, la ce ne-ar putea învăța modul lor de a câștiga despre sistemele cărora le luăm acum decizii din lumea reală.

---

Rămâneți înaintea AI

Obțineți cele mai recente știri, analize și descoperiri despre AI - toate într-un singur loc.

Citește mai multe știri AI →