Истинска креативност, но от изкуствен интелект. Google DeepMind научи невронна мрежа да измисля шахматни задачи по-добре от хората
Ето по какъв начин Гугъл научи изкуствения разсъдък на естетиката на шаха.
Изследователи от Гугъл DeepMind взаимно с Оксфордския университет и института „ Мила “ в Монреал показаха публикацията „ Generative Chess Puzzles “, в която изкуственият разсъдък за първи път показва способността си независимо да сформира шахматни задания, които не отстъпват по досетливост на човешката работа.
Моделите са подготвени върху 4,4 милиона позиции от базата данни Lichess, представляващи партии, изиграни от консуматори до декември 2024 година Всяка позиция е била кодирана в нотация FEN, а мрежата – авторегресивен трансформър с 200 милиона параметъра – е била подготвена да планува идната фигура въз основа на подтекста. След главното образование изкуственият разсъдък стартира да „ изобретява “ нови позиции, като стартира с първия знак FEN и последователно приключва цялостната позиция на фигурите.
За да се избегнат механични комбинации, в модела е въведено образование с укрепване. Награди са давани за две неща:
уникалност – на дъската би трябвало да има тъкмо един печеливш ход; контраинтуитивност – задачата би трябвало да обърква слабия енджин, само че да може да бъде решена от мощния (например Stockfish 15 в „ цялостна “ и „ съкратена “ конфигурация).Първоначално RL моделът се сблъсква с казуса „ срив на ентропията “: той бързо конвергира към повтарящи се модели. За да поправят този проблем, разработчиците прибавят филтри на разнообразието за „ дистанцията на дъската “ и вариациите на ходовете. В резултат на това крайната версия генерира 10 пъти повече неинтуитивни задания от подготвената версия единствено за Lichess – 2,5% против 0,22 %.
В доклада са показани съответни образци за FEN. Така да вземем за пример, една от най-хубавите позиции има следната форма:
където единственият ход, който води до победа, е непредвиденото пренасяне на топа на b8, а всички „ естествени “ продължения водят до реми.
За да оцени художествената стойност, екипът е въвел азбучник с повече от 30 „ тематики “ от класическата шахматна хармония – от „ жертва за пат “, „ двоен шах “ и „ арабски мат “ до „ ход за превключване (switchback) “. Оказа се, че позициите, генерирани от ИИ, по натурален метод възпроизвеждат множеството от претекстовете от шахматните сбирки, макар че някои редки, като „ Мата на Анастасия “ или „ мат с капан “, се срещат по-рядко.
Отделен стадий от опитите включва еволюционно търсене – инцидентно прибавяне и унищожаване на фигури от дъската, като се избират най-хубавите разновидности. Тези позиции наподобяват на творби на сюрреализма: нетрадиционни, само че разумни.
След това бяха извършени проби с осем специалисти по Lichess (рейтинг 2000-2400). Бяха им показани 40 позиции от четири източника – човешки компилации, Lichess, моделът на RL и финалният алманах. Според междинните оценки точно ИИ буклетът демонстрира най-хубави резултати във връзка с „ творчеството “ и „ удоволствието от решението “ (2,48 и 2,56 точки от 3 възможни), като изпревари даже класическите композиции.
Окончателната критика беше осъществена от интернационалните майстори и гросмайстори Амазия Авни, Джонатан Левит и Матю Садлър. Те нарекоха селекцията „ нова стъпка в съавторството сред индивида и машината “ и „ необичаен образец за същинско творчество в границите на формалните правила “.
Авторите акцентират: методът с укрепване и оценката на контраинтуитивността прави генерирането на шахматните задания мащабируемо и саморазвиващо се – за разлика от ръчната селекция на Lichess, която зависи от човешките игри и лимитираните изчислителни запаси.
