Истинска креативност, но от изкуствен интелект. Google DeepMind научи невронна мрежа да измисля шахматни задачи по-добре от хората

Ето как Google научи изкуствения интелект на естетиката на шаха.

Изследователи от Google DeepMind съвместно с Оксфордския университет и института „Мила“ в Монреал представиха статията „Generative Chess Puzzles“, в която изкуственият интелект за първи път демонстрира способността си самостоятелно да съставя шахматни задачи, които не отстъпват по изобретателност на човешката работа.

Моделите са обучени върху 4,4 милиона позиции от базата данни Lichess, представляващи партии, изиграни от потребители до декември 2024 г. Всяка позиция е била кодирана в нотация FEN, а мрежата – авторегресивен трансформър с 200 милиона параметъра – е била обучена да предвижда следващата фигура въз основа на контекста. След основното обучение изкуственият интелект започва да „изобретява“ нови позиции, като започва с първия символ FEN и постепенно завършва пълната позиция на фигурите.

За да се избегнат механични комбинации, в модела е въведено обучение с подсилване. Награди са давани за две неща:

• уникалност – на дъската трябва да има точно един печеливш ход;
• контраинтуитивност – задачата трябва да обърква слабия енджин, но да може да бъде решена от силния (например Stockfish 15 в „пълна“ и „съкратена“ конфигурация).

Първоначално RL моделът се сблъсква с проблема „срив на ентропията“: той бързо конвергира към повтарящи се модели. За да поправят този проблем, разработчиците добавят филтри на разнообразието за „разстоянието на дъската“ и вариациите на ходовете. В резултат на това крайната версия генерира 10 пъти повече неинтуитивни задачи от обучената версия само за Lichess – 2,5% срещу 0,22 %.

В отчета са показани конкретни примери за FEN. Така например, една от най-добрите позиции има следната форма:

където единственият ход, който води до победа, е неочакваното преместване на топа на b8, а всички „естествени“ продължения водят до реми.

За да оцени художествената стойност, екипът е въвел каталог с повече от 30 „теми“ от класическата шахматна естетика – от „жертва за пат“, „двоен шах“ и „арабски мат“ до „ход за превключване (switchback)“. Оказа се, че позициите, генерирани от ИИ, по естествен начин възпроизвеждат повечето от мотивите от шахматните колекции, въпреки че някои редки, като „Мата на Анастасия“ или „мат с капан“, се срещат по-рядко.

Отделен етап от експериментите включва еволюционно търсене – случайно добавяне и премахване на фигури от дъската, като се избират най-добрите мутации. Тези позиции приличат на произведения на сюрреализма: нетрадиционни, но логични.

След това бяха проведени тестове с осем експерти по Lichess (рейтинг 2000-2400). Бяха им показани 40 позиции от четири източника – човешки компилации, Lichess, моделът на RL и финалният сборник. Според средните оценки именно ИИ буклетът показва най-добри резултати по отношение на „креативността“ и „удоволствието от решението“ (2,48 и 2,56 точки от 3 възможни), като изпревари дори класическите композиции.

Окончателната рецензия беше извършена от международните майстори и гросмайстори Амазия Авни, Джонатан Левит и Матю Садлър. Те нарекоха селекцията „нова стъпка в съавторството между човека и машината“ и „рядък пример за истинско творчество в рамките на формалните правила“.

Авторите подчертават: подходът с подсилване и оценката на контраинтуитивността прави генерирането на шахматните задачи мащабируемо и саморазвиващо се – за разлика от ръчната селекция на Lichess, която зависи от човешките игри и ограничените изчислителни ресурси.