ڈیپ بلیو نے شطرنج کی دنیا کو دنگ کر دینے کے تقریباً تین دہائیوں کے بعد، محققین اب بھی ایک فریب سے بھرے سادہ سوال کا جواب دینے کی کوشش کر رہے ہیں: شطرنج میں AI کو اتنا اچھا کیا بناتا ہے؟ APS اوپن سائنس میں ایک حالیہ مقالہ، جسے سائنٹیفک امریکن نے 15 نومبر کو اجاگر کیا، ایک قابل پیمائش اشارہ پیش کرتا ہے - اور یہ اس پراپرٹی پر آتا ہے جسے مصنفین "سٹریٹجک تناؤ" کہتے ہیں۔

شطرنج کے انجن طویل عرصے سے انسانوں کی گنتی کرنے میں کامیاب رہے ہیں، درختوں کی تلاش کے ذریعے امیدواروں کی بڑی تعداد کو وحشیانہ طور پر مجبور کرتے ہیں۔ سٹاک فش اور لیلا لیئرز جیسے جدید نیورل نیٹ ورک انجن اس تلاش کی رہنمائی کے لیے تربیت یافتہ نیٹ ورکس کا استعمال کرتے ہیں، اور ان کا کھیل صرف اور زیادہ مضبوط ہوا ہے۔ نئے مطالعے میں جو کچھ شامل کیا گیا ہے وہ ایک شماریاتی تصویر ہے کہ ان کا کھیل ہم سے کس طرح مختلف ہے — نہ صرف اس بات میں کہ کون جیتا ہے، بلکہ اس بات میں کہ بورڈ خود کھیل کے کھلتے ہی کیسا لگتا ہے۔ AI ریسرچ نیوز کو فالو کرنے والے قارئین کے لیے یہ کام ایک یاد دہانی ہے کہ شطرنج جیسے "حل شدہ احساس" والے ڈومینز میں بھی مشینیں اصل میں سوچنے کے بارے میں کھلے سوالات رکھتے ہیں۔

بورڈ پر تناؤ کی پیمائش

اس مطالعہ کی قیادت ویانا کے کمپلیکسٹی سائنس ہب میں ماہر طبیعیات نے کی، جس میں سینئر مصنف وٹو ڈی پی سرویڈیو تھے۔ ٹیم نے آن لائن ڈیٹا بیس سے انسانی بمقابلہ انسانی گیمز اور اسٹاک فش بمقابلہ لیلا گیمز دونوں کو اکٹھا کیا، پھر ایک مقدار کی پیمائش کی جسے وہ ہر پوزیشن پر اسٹریٹجک تناؤ کہتے ہیں: بنیادی طور پر، مخالف ٹکڑوں کے درمیان ممکنہ باہمی تعاملات کی تعداد۔ زیادہ تناؤ والی پوزیشنیں وہ ہوتی ہیں جہاں بہت سے ٹکڑے ایک دوسرے کے خلاف ہو جاتے ہیں — خفیہ گرفتاریوں، دھمکیوں اور جوابی دھمکیوں سے مالا مال جو ایک ہی اقدام سے ختم ہو سکتے ہیں۔

طبیعیات دانوں کے لیے تناؤ ایک قدرتی مقدار ہے۔ یہ ایک ہی تعداد میں پکڑتا ہے، کسی پوزیشن میں کتنی پیچیدگی ہے — اگر کسی کھلاڑی نے بورڈ کو کنارے پر تبادلے کے جھڑپ میں دھکیل دیا تو گیم کی حالت کتنی بدل جائے گی۔

انسان آسان بناتے ہیں انجن بورڈ کو کنارے پر رکھتے ہیں۔

مرکزی کھوج اس میں اختلاف ہے کہ تناؤ کیسے تیار ہوتا ہے۔ انسانی کھیلوں میں، پہلی 20 چالوں کے دوران اوسط تناؤ دراصل AI گیمز کے مقابلے میں زیادہ تھا - وہ مرحلہ جہاں لوگ یادداشت کے افتتاحی اور اچھی طرح سے ڈرل کی گئی حکمت عملیوں پر ٹیک لگاتے ہیں، امید کرتے ہیں کہ پیچیدگی بالآخر کسی مخالف کو پھسلنے پر مجبور کر دے گی۔

لیکن اس نقطہ کے بعد، لکیریں پار ہو جاتی ہیں۔ انسانی تناؤ AI گیمز سے نیچے گرتا ہے، جو درمیانی کھیل تک بہت زیادہ رہتا ہے۔ محققین کی تشریح: جیسے جیسے پوزیشنیں ناواقف ہو جاتی ہیں، انسانی کھلاڑی آسان بناتے ہیں، ٹکڑوں کی تجارت کرتے ہیں اور پرسکون ڈھانچے کی طرف بڑھتے ہیں کیونکہ وہ ایک ساتھ بہت سے تعامل کرنے والے ٹکڑوں اور متعدد اختیارات کی مکمل پیچیدگی کو ذہن میں نہیں رکھ سکتے۔ انجن ایسی کوئی رکاوٹ محسوس نہیں کرتے۔ وہ باہمی خطرات کے ساتھ گھنی پوزیشنوں کو برقرار رکھتے ہیں جن پر زیادہ تر انسانی کھلاڑیوں کو نیویگیٹ کرنا ناقابل برداشت لگتا ہے - اور مطالعہ سے پتہ چلتا ہے کہ بالکل وہی پوزیشنیں ہیں جہاں انسانی درستگی کم ہوتی ہے۔

مہارت، وقت کے کنٹرول اور تلاش کی گہرائی

اعداد و شمار نے یہ بھی ظاہر کیا کہ تناؤ انسانوں اور مشینوں دونوں میں قابلیت اور غور و فکر کو ٹریک کرتا ہے۔ اعلی درجہ والے انسانی کھلاڑیوں نے کم درجہ بندی والے کھلاڑیوں کے مقابلے اپنے کھیلوں میں زیادہ تناؤ برقرار رکھا۔ زیادہ سوچنے کے وقت کے ساتھ گیمز نے زیادہ تناؤ ظاہر کیا — کلاسیکی شطرنج میں سب سے زیادہ، تیز رفتار میں کم، اور بلٹز میں سب سے کم — اس خیال سے مطابقت رکھتے ہیں کہ علمی کوششوں میں پیچیدگی کو برقرار رکھنا مہنگا ہے۔ اور مشین کی طرف، ٹیم نے مشاہدہ کیا کہ جب اسٹاک فش نے ممکنہ تسلسل کے گہرے درختوں کی تلاش کی تو تناؤ بڑھ گیا۔

مصنفین وجہ کے بارے میں محتاط ہیں۔ زیادہ تناؤ انسانوں اور AI دونوں میں زیادہ صلاحیت کے ساتھ منسلک ہے، لیکن مطالعہ یہ نہیں دکھاتا ہے کہ تناؤ اس صلاحیت کو پیدا کرتا ہے - یا یہ اس سے بہتا ہے۔ یہ مضبوط کھیل کا ایک فنگر پرنٹ ہے، ابھی تک ایک مظاہرہ شدہ طریقہ کار نہیں ہے۔

"ایسا لگتا ہے کہ وہ جادو کھیل رہے ہیں"

محققین کی خواہش شطرنج کی جمالیات کی خصوصیت سے بالاتر ہے۔ "شاید ہمارا کاغذ یہ سمجھنے کے قریب ہے کہ یہ مشینیں کیا کر رہی ہیں،" سرویڈیو نے سائنٹیفک امریکن کو بتایا۔ "ورنہ ایسا لگتا ہے کہ وہ جادو کھیل رہے ہیں۔"

وہ فریمنگ - انجن کے کھیل کو ایک جسمانی نظام کے طور پر استعمال کرنا جس کی تعریف کی جائے بلیک باکس کی بجائے پیمائش کی جائے - وہی چیز ہے جو اس کام کو مشین شطرنج کے پہلے تجزیوں سے ممتاز کرتی ہے۔ یہ پوچھنے کے بجائے کہ آیا انجن کی چال بہترین ہے، ٹیم پوچھتی ہے کہ انجن کے مجموعی اعدادوشمار سے کیا پتہ چلتا ہے کہ مشین کس قسم کی تلاش اور تشخیص کر رہی ہے۔

بساط سے آگے ایک انتباہ

Servedio نے 64 مربعوں سے دور ڈومینز کے لیے ایک پریشان کن اثر بھی کھینچا۔ اگر AI سسٹمز زیادہ تناؤ کو برقرار رکھتے ہوئے پیچیدہ، مخالف ترتیبات میں بہتر نتائج تک پہنچتے ہیں — بہت سے غیر مستحکم تعاملات کو بیک وقت زندہ رکھتے ہوئے — پھر انہیں سفارت کاری جیسی کسی چیز میں تعینات کرنے کا مطلب یہ ہو سکتا ہے کہ مشین کے لیے موزوں حکمت عملی جو انسانوں کو غیر منظم طور پر نازک لگتی ہے۔ انہوں نے کہا کہ یہ بہت خطرناک ہے کیونکہ جب آپ کو زیادہ تناؤ ہوتا ہے تو نظام بہت غیر مستحکم ہوتا ہے۔ "لہذا ایک طرف سے صرف ایک چھوٹی سی غلطی تباہی کا باعث بنے گی۔"

مشابہت قیاس آرائی پر مبنی ہے، اور مصنفین نے سفارتی حرکیات کی پیمائش کرنے کا دعویٰ نہیں کیا ہے۔ لیکن یہ AI کی تعیناتی میں ایک حقیقی تناؤ (تنظیمی نوعیت کی) کی طرف اشارہ کرتا ہے: وہی خاصیت جو انجن کو گرینڈ ماسٹر کو پیچھے چھوڑنے دیتی ہے - پائیدار پیچیدگی کے ساتھ سکون - وہ خاصیت ہو سکتی ہے جو اس کی حکمت عملیوں کو انسانی اداروں میں اپنانا خطرناک بناتی ہے جو انہیں قابل اعتماد طریقے سے برقرار نہیں رکھ سکتے۔

جو مطالعہ نہیں دکھاتا

حدود واضح طور پر بیان کرنے کے قابل ہیں۔ یہ مطالعہ تناؤ اور کھیل کی طاقت کے درمیان ارتباط قائم کرتا ہے، نہ کہ دونوں کو جوڑنے والا ایک کارآمد طریقہ۔ یہ انجنوں کے ایک خاص جوڑے کا موازنہ آن لائن ڈیٹا بیس سے انسانی کھیلوں کی ایک مخصوص آبادی سے کرتا ہے، اور شطرنج - اس کی مجرد چالوں اور کامل معلومات کے ساتھ - اس قسم کے تجزیے کے لیے ایک بہترین صورت کی ترتیب ہے۔ "اسٹریٹجک تناؤ" کو میسیئر ڈومینز تک بڑھانا ایک مفروضہ ہے، نتیجہ نہیں۔

پھر بھی، اس کاغذ میں ایسی چیز شامل کی گئی ہے جس کی شطرنج-AI ادب میں کمی ہے: ایک سادہ، شماریاتی اعدادوشمار جو صاف طور پر الگ کرتا ہے کہ انسان اور مشینیں کس طرح کھیل کے دوران پیچیدگی کا انتظام کرتی ہیں۔ شطرنج نے طویل عرصے سے انسانوں اور مشینوں دونوں میں ادراک کا مطالعہ کرنے کے لیے ایک ماڈل سسٹم کے طور پر کام کیا ہے، اور ڈیپ بلیو کی 1997 میں گیری کاسپروف پر فتح نے اس لمحے کو نشان زد کیا جب مشینوں نے سب سے پہلے یہ ثابت کیا کہ وہ ہمارے اپنے حساب کے کھیل میں ہمیں پیچھے چھوڑ سکتی ہیں۔ تقریباً 30 سال بعد، یہ سوال اس طرف منتقل ہو گیا ہے کہ آیا مشینیں جیت سکتی ہیں کہ وہ کیوں جیتتی ہیں - اور، تیزی سے، ان کے جیتنے کا طریقہ ہمیں ان نظاموں کے بارے میں کیا سکھا سکتا ہے جن کے بارے میں ہم اب حقیقی دنیا کے فیصلے دے رہے ہیں۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →