เกือบสามทศวรรษหลังจากที่ Deep Blue ทำให้โลกหมากรุกตะลึง นักวิจัยยังคงพยายามตอบคำถามง่ายๆ ที่หลอกลวง: อะไรที่ทำให้ AI เก่งหมากรุกจริงๆ บทความล่าสุดใน APS Open Science ซึ่งเน้นโดย Scientific American เมื่อวันที่ 15 พฤศจิกายน เสนอเบาะแสที่สามารถวัดผลได้ และมันลงมาถึงคุณสมบัติที่ผู้เขียนเรียกว่า "ความตึงเครียดเชิงกลยุทธ์"

เครื่องมือหมากรุกสามารถคำนวณมนุษย์ได้มานานแล้ว โดยบังคับให้ผู้สมัครจำนวนมากต้องเคลื่อนที่ผ่านการค้นหาแบบต้นไม้ เอ็นจิ้นเครือข่ายประสาทสมัยใหม่ เช่น Stockfish และ Leela Layers ใช้เครือข่ายที่ได้รับการฝึกอบรมเพื่อเป็นแนวทางในการค้นหานั้น และการเล่นของพวกเขาก็ยิ่งน่ากลัวมากขึ้นเท่านั้น สิ่งที่การศึกษาใหม่เพิ่มคือภาพทางสถิติว่าการเล่นของพวกเขาแตกต่างจากของเราอย่างไร ไม่ใช่แค่ว่าใครจะชนะ แต่ในลักษณะที่ตัวกระดานดูเหมือนในขณะที่เกมเปิดตัว สำหรับผู้อ่านที่ติดตาม ข่าวการวิจัย AI งานนี้ถือเป็นเครื่องเตือนใจว่าแม้แต่โดเมน "ความรู้สึกที่แก้ไขได้" เช่นหมากรุก ก็ยังคงมีคำถามปลายเปิดเกี่ยวกับวิธีคิดของเครื่องจักรจริงๆ

การวัดความตึงเครียดบนกระดาน

การศึกษานี้นำโดยนักฟิสิกส์ที่ Complexity Science Hub ในกรุงเวียนนา โดยมีผู้เขียนอาวุโส Vito D. P. Servedio ทีมงานรวบรวมทั้งเกมระหว่างมนุษย์กับมนุษย์และเกม Stockfish กับ Leela จากฐานข้อมูลออนไลน์ จากนั้นจึงวัดปริมาณที่เรียกว่าความตึงเครียดเชิงกลยุทธ์ในทุกตำแหน่ง โดยพื้นฐานแล้วคือจำนวนปฏิสัมพันธ์ที่เป็นไปได้ระหว่างชิ้นส่วนของฝ่ายตรงข้าม ตำแหน่งที่มีความตึงเครียดสูงคือตำแหน่งที่ชิ้นส่วนหลายชิ้นประจันหน้ากัน ซึ่งเต็มไปด้วยการจับกุมที่แฝงอยู่ ภัยคุกคาม และการตอบโต้ภัยคุกคามที่อาจปล่อยออกมาได้ด้วยการเคลื่อนไหวเพียงครั้งเดียว

ความตึงเครียดเป็นปริมาณธรรมชาติที่นักฟิสิกส์สามารถเข้าถึงได้ โดยจะรวบรวมความซับซ้อนที่แฝงอยู่ในตำแหน่งหนึ่งๆ ไว้ในตัวเลขเดียว สถานะของเกมจะเปลี่ยนแปลงไปมากน้อยเพียงใดหากผู้เล่นคนใดคนหนึ่งผลักกระดานข้ามขอบไปสู่การแลกเปลี่ยนแบบน้ำตก

มนุษย์ทำให้ง่ายขึ้น; เครื่องยนต์ทำให้บอร์ดอยู่บนขอบ

การค้นพบที่สำคัญคือความแตกต่างในการวิวัฒนาการของความตึงเครียด ในเกมของมนุษย์ ความตึงเครียดโดยเฉลี่ยนั้นสูงกว่าในเกม AI ในช่วง 20 การเคลื่อนไหวแรก ซึ่งเป็นช่วงที่ผู้คนพึ่งพาช่องเปิดที่จดจำและกลยุทธ์ที่ฝึกฝนมาอย่างดี หวังว่าความซับซ้อนจะบังคับให้คู่ต่อสู้ลื่นไถลในที่สุด

แต่หลังจากจุดนั้น เส้นก็ตัดกัน ความตึงเครียดของมนุษย์ลดลงต่ำกว่าเกม AI ซึ่งยังคงอยู่ในระดับสูงในช่วงกลางเกม การตีความของนักวิจัย: เมื่อตำแหน่งไม่คุ้นเคย ผู้เล่นที่เป็นมนุษย์จะง่ายขึ้น โดยเปลี่ยนชิ้นส่วนและหันไปทางโครงสร้างที่สงบมากขึ้น เนื่องจากไม่สามารถเก็บความซับซ้อนทั้งหมดของชิ้นส่วนที่มีการโต้ตอบและหลายตัวเลือกไว้ในใจได้ในคราวเดียว เครื่องยนต์ไม่มีข้อจำกัดดังกล่าว พวกเขารักษาตำแหน่งที่หนาแน่นพร้อมกับภัยคุกคามร่วมกันซึ่งผู้เล่นที่เป็นมนุษย์ส่วนใหญ่พบว่าไม่สามารถนำทางได้ และการศึกษาชี้ให้เห็นว่าตำแหน่งเหล่านั้นเป็นจุดที่ความแม่นยำของมนุษย์ลดลง

ทักษะ การควบคุมเวลา และความลึกในการค้นหา

ข้อมูลยังแสดงให้เห็นว่าความตึงเครียดติดตามความสามารถและการไตร่ตรองทั้งของมนุษย์และเครื่องจักร ผู้เล่นที่เป็นมนุษย์ที่มีอันดับสูงกว่าจะรักษาความตึงเครียดตลอดทั้งเกมมากกว่าผู้เล่นที่มีอันดับต่ำกว่า เกมที่มีเวลาในการคิดมากขึ้นแสดงให้เห็นถึงความตึงเครียดมากขึ้น โดยสูงที่สุดในหมากรุกคลาสสิก รวดเร็วน้อยกว่า และเป็นแบบสายฟ้าแลบน้อยที่สุด ซึ่งสอดคล้องกับแนวคิดที่ว่าการรักษาความซับซ้อนนั้นมีราคาแพงในความพยายามในการรับรู้ และในด้านเครื่องจักร ทีมงานสังเกตว่าเมื่อ Stockfish ค้นหาต้นไม้ที่ลึกลงไปอีกและมีความต่อเนื่องที่เป็นไปได้ ความตึงเครียดก็เพิ่มขึ้น

ผู้เขียนระมัดระวังเรื่องความเป็นเหตุเป็นผล ความตึงเครียดที่สูงขึ้นมีความสัมพันธ์กับความสามารถที่มากขึ้นทั้งของมนุษย์และ AI แต่การศึกษาไม่ได้แสดงให้เห็นว่าความตึงเครียดก่อให้เกิดความสามารถนั้น หรือมันไหลออกมาจากความสามารถนั้น มันเป็นรอยนิ้วมือของการเล่นที่แข็งแกร่ง แต่ยังไม่ใช่กลไกที่แสดงให้เห็น

"ดูเหมือนพวกเขากำลังเล่นเวทมนตร์"

ความทะเยอทะยานของนักวิจัยมีมากกว่าแค่ความสวยงามของหมากรุก “บางทีรายงานของเราน่าจะใกล้เคียงที่สุดในการทำความเข้าใจว่าเครื่องจักรเหล่านี้กำลังทำอะไรอยู่” เสิร์ฟดิโอบอกกับ Scientific American “ไม่อย่างนั้น ดูเหมือนว่าพวกเขากำลังเล่นเวทมนตร์อยู่”

การวางกรอบนั้น — การปฏิบัติต่อเครื่องยนต์เสมือนเป็นระบบทางกายภาพที่ต้องวัดแทนที่จะเป็นกล่องดำที่น่าชื่นชม — เป็นสิ่งที่ทำให้งานแตกต่างจากการวิเคราะห์หมากรุกเครื่องจักรก่อนหน้านี้ แทนที่จะถามว่าการเคลื่อนที่ของเครื่องยนต์ดีที่สุดหรือไม่ ทีมงานจะถามว่าสถิติโดยรวมของการทำงานของเครื่องยนต์เปิดเผยเกี่ยวกับประเภทของการค้นหาและการประเมินผลการทำงานของเครื่องจักรหรือไม่

คำเตือนที่อยู่นอกกระดานหมากรุก

Servedio ยังสร้างผลกระทบที่น่ากังวลสำหรับโดเมนที่อยู่ห่างไกลจาก 64 สแควร์ส หากระบบ AI เข้าถึงผลลัพธ์ที่ดีกว่าในสภาพแวดล้อมที่ซับซ้อนและเป็นปฏิปักษ์ด้วยการรักษาความตึงเครียดสูง — ทำให้ปฏิสัมพันธ์ที่ผันผวนหลายอย่างยังคงอยู่ไปพร้อมๆ กัน — การปรับใช้สิ่งเหล่านี้ในลักษณะเช่นการทูตอาจหมายถึงกลยุทธ์ที่ปรับให้เหมาะสมกับเครื่องจักรซึ่งมนุษย์พบว่าเปราะบางอย่างไม่อาจจัดการได้ “นี่เป็นสิ่งที่อันตรายมาก เพราะเมื่อคุณมีความตึงเครียดสูง ระบบต่างๆ จะไม่เสถียรอย่างมาก” เขากล่าว “ดังนั้น ความผิดพลาดเล็กๆ น้อยๆ จากฝ่ายใดฝ่ายหนึ่งก็อาจทำให้เกิดหายนะได้”

การเปรียบเทียบเป็นการเก็งกำไร และผู้เขียนไม่ได้อ้างว่าได้วัดพลวัตทางการทูต แต่มันชี้ให้เห็นถึงความตึงเครียดที่แท้จริง (ในรูปแบบองค์กร) ในการปรับใช้ AI: คุณสมบัติเดียวกันที่ช่วยให้กลไกเอาชนะปรมาจารย์ — ความสะดวกสบายพร้อมความซับซ้อนที่ยั่งยืน — อาจเป็นคุณสมบัติที่ทำให้กลยุทธ์มีความเสี่ยงที่จะนำมาใช้ในสถาบันของมนุษย์ที่ไม่สามารถรักษาได้อย่างน่าเชื่อถือ

สิ่งที่การศึกษาไม่ได้แสดง

ข้อ จำกัด มีมูลค่าการระบุอย่างชัดเจน การศึกษานี้สร้างความสัมพันธ์ระหว่างความตึงเครียดและความแข็งแกร่งในการเล่น ไม่ใช่กลไกเชิงสาเหตุที่เชื่อมโยงทั้งสองอย่าง โดยจะเปรียบเทียบเครื่องยนต์คู่หนึ่งกับประชากรเกมมนุษย์จากฐานข้อมูลออนไลน์ และหมากรุก — ด้วยการเคลื่อนไหวที่แยกจากกันและข้อมูลที่สมบูรณ์แบบ — ยังคงเป็นการตั้งค่าที่ดีที่สุดสำหรับการวิเคราะห์ประเภทนี้ การขยาย "ความตึงเครียดทางยุทธศาสตร์" ไปสู่โดเมนที่ยุ่งวุ่นวายกว่านั้นเป็นเพียงสมมติฐาน ไม่ใช่ผลลัพธ์

อย่างไรก็ตาม บทความนี้ยังได้เพิ่มบางสิ่งที่วรรณกรรมหมากรุก-AI ยังขาดอยู่ นั่นคือสถิติที่เรียบง่ายและคำนวณได้ ซึ่งแยกวิธีที่มนุษย์และเครื่องจักรจัดการความซับซ้อนตลอดการเล่นเกมได้อย่างหมดจด หมากรุกทำหน้าที่เป็นระบบต้นแบบในการศึกษาการรับรู้ทั้งของมนุษย์และเครื่องจักรมายาวนาน และชัยชนะของ Deep Blue เหนือ Garry Kasparov ในปี 1997 ถือเป็นช่วงเวลาที่เครื่องจักรได้พิสูจน์เป็นครั้งแรกว่าพวกเขาสามารถคิดนอกกรอบจากเกมการคำนวณของเราเองได้ เกือบ 30 ปีที่ผ่านมา คำถามได้เปลี่ยนจากว่าเครื่องจักรสามารถชนะได้หรือไม่ มาเป็นเหตุใดจึงชนะ — และมากขึ้นเรื่อยๆ ไปสู่สิ่งที่วิธีการชนะของพวกเขาอาจสอนเราเกี่ยวกับระบบที่เรากำลังมอบการตัดสินใจในโลกแห่งความเป็นจริง

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →