Deep Blue'nun satranç dünyasını şaşkına çevirmesinden neredeyse otuz yıl sonra, araştırmacılar hala aldatıcı derecede basit bir soruyu yanıtlamaya çalışıyorlar: Yapay zekayı satrançta bu kadar iyi yapan şey tam olarak nedir? APS Açık Bilim'de 15 Kasım'da Scientific American tarafından vurgulanan yeni bir makale, ölçülebilir bir ipucu sunuyor ve bu, yazarların "stratejik gerilim" olarak adlandırdığı bir özelliğe geliyor.

Satranç motorları, ağaç arama yoluyla çok sayıda aday hamlesini kaba kuvvetle zorlayarak uzun süredir insanlardan daha üstün hesaplama yeteneğine sahip. Stockfish ve Leela Layers gibi modern sinir ağı motorları, bu aramaya rehberlik etmek için eğitimli ağları kullanıyor ve oyunları daha da zorlu hale geldi. Yeni çalışmanın eklediği şey, onların oyunlarının bizimkinden ne kadar farklı olduğuna dair istatistiksel bir portredir; yalnızca kimin kazandığı açısından değil, aynı zamanda oyun ilerledikçe tahtanın kendisinin nasıl göründüğü açısından. Yapay zeka araştırma haberlerini takip eden okuyucular için bu çalışma, satranç gibi "çözülmüş duygu" alanlarının bile makinelerin gerçekte nasıl düşündüğüne dair hala açık sorular barındırdığını hatırlatıyor.

Tahtadaki Gerginliği Ölçme

Çalışma, kıdemli yazar Vito D. P. Servedio ile birlikte Viyana'daki Karmaşıklık Bilim Merkezi'ndeki fizikçiler tarafından yürütüldü. Ekip, çevrimiçi veritabanlarından hem insan-insan oyunlarını hem de Stockfish-Leela oyunlarını topladı ve ardından her pozisyonda stratejik gerilim adını verdikleri bir miktarı ölçtü: esasen, karşıt parçalar arasında mümkün olan karşılıklı etkileşimlerin sayısı. Yüksek gerilimli pozisyonlar, birçok parçanın birbirine karşı çıktığı konumlardır; tek bir hareketle ortaya çıkabilecek gizli yakalamalar, tehditler ve karşı tehditlerle zengindir.

Gerilim fizikçilerin ulaşması gereken doğal bir miktardır. Tek bir sayıyla, bir konumda ne kadar karmaşıklığın gizli olduğunu, yani iki oyuncudan birinin tahtayı kenardan itip bir dizi değişime sürüklemesi durumunda oyun durumunun ne kadar değişeceğini yakalar.

İnsanlar Basitleştirir; Motorlar Tahtayı Kenarda Tutuyor

Temel bulgu, gerilimin nasıl geliştiği konusundaki farklılıktır. İnsan oyunlarında ortalama gerilim, ilk 20 hamle sırasında yapay zeka oyunlarından daha yüksekti; bu, insanların ezberlenmiş açılışlara ve iyi çalışılmış taktiklere güvenerek, karmaşıklığın sonunda rakibi kaymaya zorlayacağını umdukları aşama.

Ancak bu noktadan sonra çizgiler kesişiyor. İnsan gerilimi, oyunun ortalarına doğru yüksek seviyede kalan yapay zeka oyunlarının altına düşüyor. Araştırmacıların yorumu: Pozisyonlar yabancılaştıkça, insan oyuncular basitleşiyor, parçaları değiştiriyor ve daha sakin yapılara yöneliyor çünkü etkileşimli birçok parçanın tüm karmaşıklığını ve birden fazla seçeneği aynı anda akıllarında tutamazlar. Motorlar böyle bir kısıtlama hissetmiyor. Çoğu insan oyuncunun gezinmeyi dayanılmaz bulacağı karşılıklı tehditlerle dolu konumları sürdürüyorlar - ve çalışmaya göre tam da bu konumlar, insan doğruluğunun azaldığı yerler.

Beceri, Zaman Kontrolleri ve Arama Derinliği

Veriler ayrıca gerilimin hem insanlarda hem de makinelerde yeteneği ve müzakereyi takip ettiğini gösterdi. Yüksek puan alan insan oyuncular, oyunları boyunca düşük puan alan oyunculara göre daha fazla gerilim sürdürdüler. Daha fazla düşünme süresi olan oyunlar, karmaşıklığı sürdürmenin bilişsel çaba açısından pahalı olduğu fikriyle tutarlı olarak, daha fazla gerilim gösterdi (klasik satrançta en yüksek, hızlı satrançta daha düşük ve yıldırımda en düşük). Makine tarafında ise ekip, Stockfish'in olası devamları olan daha derindeki ağaçları aradığında gerilimin arttığını gözlemledi.

Yazarlar nedensellik konusunda dikkatlidirler. Daha yüksek gerilim, hem insanlarda hem de yapay zekada daha fazla yetenekle ilişkiliydi, ancak çalışma, gerilimin bu yeteneği ürettiğini ya da ondan kaynaklandığını göstermedi. Bu, henüz kanıtlanmış bir mekanizma değil, güçlü bir oyunun parmak izidir.

"Sihir Oynuyorlar Gibi Görünüyor"

Araştırmacıların tutkusu satranç estetiğini karakterize etmenin ötesine geçiyor. Servedio, Scientific American'a "Muhtemelen bizim makalemiz bu makinelerin ne yaptığını anlamaya en yakın olanıdır" dedi. "Aksi takdirde sihir oynuyorlarmış gibi görünüyor."

Motor oyununu beğenilecek bir kara kutu yerine ölçülmesi gereken fiziksel bir sistem olarak ele alan bu çerçeve, çalışmayı daha önceki makine satrancı analizlerinden ayıran şeydir. Ekip, bir motorun hareketinin en iyi hareket olup olmadığını sormak yerine, motor oyununa ilişkin toplu istatistiklerin, makinenin gerçekleştirdiği arama ve değerlendirme türü hakkında neler ortaya çıkardığını soruyor.

Satranç Tahtasının Ötesinde Bir Uyarı

Servedio ayrıca 64 kareden uzak alanlar için rahatsız edici bir çıkarımda bulundu. Yapay zeka sistemleri karmaşık, çekişmeli ortamlarda yüksek gerilimi sürdürerek (birçok değişken etkileşimi aynı anda canlı tutarak) daha iyi sonuçlara ulaşırsa, bunları diplomasi gibi bir şeye yerleştirmek, insanların yönetilemez derecede kırılgan bulduğu, makine tarafından optimize edilmiş stratejiler anlamına gelebilir. "Bu çok tehlikeli çünkü yüksek gerilim olduğunda sistemler çok dengesiz oluyor" dedi. "Yani taraflardan birinden gelecek küçük bir hata felakete neden olur."

Bu benzetme spekülatiftir ve yazarlar diplomatik dinamikleri ölçtüklerini iddia etmezler. Ancak bu, yapay zeka dağıtımında (organizasyonel türden) gerçek bir gerilime işaret ediyor: Bir motorun büyük ustayı geride bırakmasına olanak tanıyan aynı özellik (sürekli karmaşıklık ile rahatlık), stratejileri güvenilir bir şekilde sürdüremeyen insan kurumlarında benimsenmesini riskli hale getiren özellik olabilir.

Araştırma Neyi Göstermiyor?

Sınırlamalar açıkça belirtilmeye değer. Çalışma, ikisini birbirine bağlayan nedensel bir mekanizma değil, gerilim ve oyun gücü arasında bir korelasyon kuruyor. Belirli bir motor çiftini çevrimiçi veritabanlarındaki belirli bir insan oyunu popülasyonuyla karşılaştırır ve satranç - ayrık hamleleri ve mükemmel bilgileriyle - bu tür bir analiz için en iyi durum ortamı olmaya devam ediyor. "Stratejik gerilimi" daha karmaşık alanlara genişletmek bir sonuç değil, bir hipotezdir.

Yine de makale, satranç yapay zeka literatüründe eksik olan bir şeyi ekliyor: İnsanların ve makinelerin oyun boyunca karmaşıklığı nasıl yönettiklerini net bir şekilde ayıran basit, hesaplanabilir bir istatistik. Satranç, hem insanlarda hem de makinelerde bilişi incelemek için uzun süredir model bir sistem olarak hizmet etti ve Deep Blue'nun 1997'de Garry Kasparov'a karşı kazandığı zafer, makinelerin kendi hesaplama oyunumuzda bizi geride bırakabileceklerini ilk kez kanıtladıkları anı oluşturdu. Yaklaşık 30 yıl sonra soru, makinelerin kazanıp kazanamayacağından neden kazandıklarına ve gittikçe artan bir şekilde, kazanma tarzlarının bize şu anda gerçek dünya kararlarını verdiğimiz sistemler hakkında bize ne öğretebileceğine dönüştü.

---

Yapay Zekanın Önünde Olun

En son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.

Daha fazla AI haberini okuyun →