Bedst fra 2015: Deep Learning Machine lærer sig selv skak på 72 timer, spiller på internationalt masterniveau

Det er næsten 20 år siden, at IBMs Deep Blue-supercomputer slog den regerende verdensmester i skak, Gary Kasparov, for første gang under standard turneringsregler. Siden da er skakspillende computere blevet betydeligt stærkere, hvilket efterlader de bedste mennesker lille chance selv mod en moderne skakmotor, der kører på en smartphone.

Men selvom computere er blevet hurtigere, har den måde, skakmotorer fungerer på, ikke ændret sig. Deres magt er afhængig af brute force, processen med at søge gennem alle mulige fremtidige træk for at finde den bedste næste.

Selvfølgelig kan intet menneske matche det eller komme nogen steder i nærheden. Mens Deep Blue søgte omkring 200 millioner positioner i sekundet, søgte Kasparov sandsynligvis ikke mere end fem i sekundet. Og alligevel spillede han på stort set samme niveau. Det er klart, at mennesker har et trick i ærmet, som computere endnu ikke har mestret.

Dette trick er at evaluere skakpositioner og indsnævre de mest profitable søgemuligheder. Det forenkler den beregningsopgave dramatisk, fordi den beskærer træet af alle mulige bevægelser til blot nogle få grene.

Computere har aldrig været gode til dette, men i dag ændrer det sig takket være Matthew Lais arbejde på Imperial College London. Lai har skabt en kunstig intelligensmaskine kaldet Giraffe, der har lært sig selv at spille skak ved at vurdere positioner meget mere som mennesker og på en helt anden måde end konventionelle skakmotorer.

Fortsatte

skjule