Η DeepMind συνθέτει σκακιστικά προβλήματα με AI

Η τεχνητή νοημοσύνη δεν αρκείται πια στο να παίζει σκάκι καλύτερα από τον άνθρωπο. Η ΄΄Google DeepMind΄΄ παρουσιάζει τώρα ένα σύστημα που δεν επιδιώκει τη νίκη αλλά τη δημιουργία: συνθέτει σκακιστικά προβλήματα που έχουν αισθητική αξία, ΄΄φαντασία΄΄ και πρωτοτυπία. 

 

Η μελέτη ΄΄Evaluating In Silico Creativity΄΄ (Αξιολόγηση της Δημιουργικότητας εντός υπολογιστή) επιχειρεί να απαντήσει σε ένα δύσκολο ερώτημα: μπορεί μια μηχανή να είναι πραγματικά δημιουργική; Όπως μας ενημερώνει η κορυφαία chessbase.com oι ερευνητές της DeepMind ΄΄εκπαίδευσαν΄΄ δύο σύγχρονους αλγόριθμους – έναν Auto-Regressive Transformer (Αυτοπαλινδρομικό μετασχηματιστή, που προβλέπει διαδοχικά τα επόμενα βήματα βάσει των προηγούμενων) και ένα μοντέλο Discrete Diffusion (Διακριτής διάχυσης, που βελτιώνει σταδιακά το αποτέλεσμα απομακρύνοντας αφαιρώντας τα τυχαία και μη ουσιαστικά στοιχεία). 

 

Η ΄΄εκπαίδευσή΄΄ τους βασίστηκε σε τέσσερα εκατομμύρια σκακιστικά προβλήματα από την κορυφαία σκακιστική πλατφόρμα Lichess. Το δίκτυο έμαθε έτσι τα μοτίβα μιας “όμορφης” σκακιστικής ιδέας και στη συνέχεια άρχισε να συνθέτει δικές του θέσεις. Με τη μέθοδο της ενισχυτικής μάθησης, «ανταμειβόταν» κάθε φορά που παρήγαγε προβλήματα με μοναδική λύση και απρόσμενες κινήσεις — αυτές που θα αναγνώριζε ένας ισχυρός κινητήρας, όχι όμως ένας συνηθισμένος παίκτης. Ανάμεσα στις χιλιάδες δημιουργίες, ένα πρόβλημα ξεχώρισε και προκάλεσε ομόφωνο θαυμασμό στους ειδικούς που συμπεριλαμβάνονται στην ερευνητική ομάδα: τους Βρετανούς γκραν μετρ Jonathan Levitt και Matthew Sadler, καθώς και τον Ισραηλινό συνθέτη Amatzia Avni . 

 

Σε αυτή τη θέση (διάγραμμα), τα λευκά φαίνονται έτοιμα για επίθεση, αλλά ο βασιλιάς τους είναι εκτεθειμένος και η βασίλισσά τους βρίσκεται μακριά από το πεδίο δράσης. Η λύση όμως είναι παράδοξη και ευφυής: η κίνηση 1.Πη6+!, με θυσία και των δύο πύργων ταυτόχρονα, ανοίγει τη διαγώνιο για τη βασίλισσα που ακολουθεί με 2. Βα1! και μετά με 3.Βζ6+! Η βασίλισσα επιστρέφει από την άλλη άκρη της σκακιέρας, ελέγχοντας τα πάντα με γεωμετρική ακρίβεια. Ο Avni τη χαρακτήρισε «σύντομο αλλά απαιτητικό πρόβλημα με αισθητική κομψότητα». 

 

Ο Sadler μίλησε για «μηχανική ομορφιά» που απαιτεί όραμα σε ολόκληρη τη σκακιέρα, ενώ ο Levitt εντόπισε «το παράδοξο της θυσίας και τη γοητεία της μεγάλης κίνησης της βασίλισσας». Οι ειδικοί συμφώνησαν ότι οι συνθέσεις της DeepMind έχουν κάτι αληθινά δημιουργικό: συνδυάζουν λογική, συμμετρία και απρόβλεπτο. Μπορεί να μην έχουν ακόμη το βάθος ενός μεγάλου συνθέτη σκακιστικών προβλημάτων, όμως δείχνουν την κατεύθυνση μιας νέας εποχής όπου άνθρωπος και μηχανή συνεργάζονται για να παράγουν ένα όμορφο αποτέλεσμα . 

 

Η ανθρώπινη άλλωστε δημιουργία στο χώρο του καλλιτεχνικού σκακιού (ασκήσεις και προβλήματα) έχει να επιδείξει δεκάδες χιλιάδες έργα απίστευτης ομορφιάς, έμπνευσης και ευφυίας. Απλά το σκάκι, ως ένας ανέκαθεν καθρέφτης του ανθρώπινου πνεύματος, φαίνεται να αποκτά τώρα ένα νέο ΄΄δημιουργό΄΄. 

 

Ίσως κάθε τέτοιο πείραμα φέρνει πιο κοντά την έννοια της “τεχνητής έμπνευσης”, όπου η μηχανή δεν απαντά απλώς σε ερωτήματα, αλλά γεννά ιδέες, σχήματα και αισθητικές μορφές. Άραγε η μελέτη αυτή δείχνει ότι η τεχνητή νοημοσύνη μπορεί να λειτουργήσει όχι μόνο ως εργαλείο υπολογισμού, αλλά ως συνεργάτης στη φαντασία; Και ίσως το ερώτημα δεν είναι πια αν η μηχανή μπορεί να γίνει δημιουργική, αλλά αν ο άνθρωπος είναι έτοιμος να αναγνωρίσει την όποια δημιουργικότητά της.

Η άσκηση (διάγραμμα): Τα λευκά παίζουν και νικούν. Πως; Και η αναλυτική απάντηση: 1.Πη6! Αν 1…θxη6 2.Βα1 Ρxζ7 3.Βζ6+ Ρη8 4.Αθ6 και τα μαύρα δεν έχουν άμυνα. Αν 1…Ρxζ7 2.Βα1 θxη6 3.Βζ6+ Ρη8 4.Αθ6 και η ίδια χαμένη θέση για τα μαύρα.

 

* Χρήστος Πιλάλης

Διεθνής εκπαιδευτής, διεθνής διαιτητής