Майже через три десятиліття після того, як Deep Blue приголомшив шаховий світ, дослідники все ще намагаються відповісти на оманливо просте запитання: що саме робить ШІ таким хорошим у шахах? Нещодавня стаття в APS Open Science, опублікована Scientific American 15 листопада, пропонує вимірювану підказку — і вона зводиться до властивості, яку автори називають «стратегічною напругою».
Шахові механізми вже давно можуть випереджати обчислення людей, грубо форсуючи величезну кількість ходів кандидатів через пошук по дереву. Сучасні механізми нейронних мереж, такі як Stockfish і Leela Layers, використовують навчені мережі, щоб керувати цим пошуком, і їхня гра стає ще більш потужною. Нове дослідження додає статистичний портрет того, чим їхня гра відрізняється від нашої — не лише тим, хто виграє, а й тим, як виглядає сама дошка під час розгортання гри. Для читачів, які стежать за [новинами досліджень штучного інтелекту] (https://aibuzzwire.news), ця робота є нагадуванням про те, що навіть у таких сферах, як «розв’язане відчуття», як-от шахи, залишаються відкритими питання про те, як насправді думають машини.
Вимірювання напруги на дошці
Дослідженням керували фізики з Complexity Science Hub у Відні зі старшим автором Віто Д. П. Серведіо. Команда зібрала як ігри «людина проти людини», так і ігри «Стокфіш проти Ліли» з онлайнових баз даних, а потім виміряла величину, яку вони називають стратегічною напругою в кожній позиції: по суті, кількість можливих взаємних взаємодій між протилежними фігурами. Позиції високої напруги – це ті, де багато частин протистоять одна одній, багаті прихованими захопленнями, загрозами та контрзагрозами, які можна звільнити одним рухом.
Напруга є природною величиною для фізиків. Він фіксує в одному числі, наскільки складна прихована позиція — наскільки зміниться стан гри, якщо будь-який гравець штовхне дошку за край у каскад обміну.
Люди спрощують; Двигуни тримають дошку на межі
Головним відкриттям є розбіжність у тому, як розвивається напруга. У іграх з людьми середня напруга була фактично вищою, ніж у іграх зі штучним інтелектом, протягом перших 20 ходів — фази, коли люди покладаються на запам’ятовані відкриття та добре відпрацьовану тактику, сподіваючись, що складність зрештою змусить суперника посковзнутися.
Але після цього моменту лінії перетинаються. Людське напруження падає нижче, ніж в іграх зі штучним інтелектом, яке залишається високим навіть у середній грі. Тлумачення дослідників: коли позиції стають незнайомими, люди-гравці спрощуються, міняють фігури та спрямовують у бік більш спокійних структур, оскільки вони не можуть утримувати всю складність багатьох взаємодіючих фігур і кількох варіантів одночасно. Двигуни не відчувають такого обмеження. Вони зберігають позиції, щільні взаємними загрозами, які більшість гравців-людей вважають нестерпними для навігації — і саме в цих позиціях, згідно з дослідженням, деградує людська точність.
Навички, контроль часу та глибина пошуку
Дані також показали, що напруга відстежує здатність і обдумування як у людей, так і в машинах. Людські гравці з вищим рейтингом підтримували більшу напругу протягом своїх ігор, ніж гравці з нижчим рейтингом. Ігри з більшим часом на роздуми показали більше напруження — найвище в класичних шахах, менше в рапіді та найменше в бліці — це узгоджується з ідеєю, що підтримання складності є дорогим для когнітивних зусиль. А з боку машини команда помітила, що коли Stockfish шукав глибші дерева можливих продовжень, напруга зростала.
Автори обережно ставляться до причинності. Вища напруга корелювала з більшою здатністю як у людей, так і в ШІ, але дослідження не показало, що напруга породжує цю здатність або що вона витікає з неї. Це відбиток сильної гри, але ще не продемонстрований механізм.
"Схоже, вони займаються магією"
Амбіції дослідників виходять за рамки характеристики шахової естетики. «Напевно, наша стаття ближче всього до розуміння того, що роблять ці машини», — сказав Серведіо Scientific American. «Інакше це виглядає так, ніби вони займаються магією».
Таке обрамлення — трактування гри на двигуні як фізичної системи, яку потрібно вимірювати, а не чорного ящика, яким можна захоплюватися — ось що відрізняє цю роботу від попередніх аналізів машинних шахів. Замість того, щоб запитувати, чи хід двигуна найкращий, команда запитує, що сукупна статистика гри двигуна показує про тип пошуку та оцінки, які виконує машина.
Попередження за межами шахівниці
Servedio також зробив тривожний наслідок для доменів, далеких від 64 квадратів. Якщо системи штучного інтелекту досягають кращих результатів у складних змагальних ситуаціях, підтримуючи високу напругу — підтримуючи багато нестабільних взаємодій одночасно — тоді їх застосування в щось на кшталт дипломатії може означати машинно-оптимізовані стратегії, які люди вважають некерованими. "Це дуже небезпечно, тому що коли у вас висока напруга, системи дуже нестабільні", - сказав він. «Тож лише маленька помилка однієї зі сторін спричинить катастрофу».
Аналогія є спекулятивною, і автори не стверджують, що виміряли дипломатичну динаміку. Але це вказує на справжню напругу (організаційного характеру) у розгортанні штучного інтелекту: та сама властивість, яка дозволяє механізму переграти гросмейстера — комфорт із довгостроковою складністю — може бути властивістю, яка робить його стратегії ризикованими для застосування в людських установах, які не можуть надійно підтримувати їх.
Що не показує дослідження
Обмеження варто вказати прямо. Дослідження встановлює кореляцію між напругою та силою гри, а не причинно-наслідковий механізм, що з’єднує ці два. Він порівнює певну пару механізмів із певною популяцією людських ігор з онлайнових баз даних, і шахи — з їх окремими ходами та ідеальною інформацією — залишаються найкращим варіантом для такого аналізу. Поширення «стратегічної напруженості» на складніші сфери є гіпотезою, а не результатом.
Тим не менш, стаття додає те, чого не вистачало в літературі про шаховий штучний інтелект: просту, обчислювану статистику, яка чітко розділяє те, як люди та машини керують складністю в ході гри. Шахи довгий час слугували зразковою системою для вивчення пізнання як у людей, так і в машинах, і перемога Deep Blue у 1997 році над Гаррі Каспаровим ознаменувала момент, коли машини вперше довели, що вони можуть перевершити нас у нашій грі в обчислення. Майже 30 років потому питання змінилося від того, чи можуть машини вигравати, до того, чому вони виграють — і дедалі більше до того, чому їхній спосіб перемоги може навчити нас про системи, яким ми зараз передаємо рішення в реальному світі.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
