Iemand die een beetje het nieuws volgt, zal vorige maand vernomen hebben dat een nieuwe mijlpaal in artificiële intelligentie is bereikt. Het computerprogramma AlphaGo versloeg in een match de wereldtopper Lee Sedol in het bordspel go met de ruime score van 4 -1. Het meest opzienbarende in dit resultaat was dat het programma in tegenstelling met zijn collega's van andere bordspelen, veelvuldig gebruik maakte van patroonherkenning gebaseerd op zelfstudie van meesterpartijen.
De huidige topprogramma's in het schaken zijn gebouwd rond geavanceerde algoritmes die zeer veel zetten diep kunnen rekenen. Echter opgelost krijgt men het schaken met deze methode niet in de nabije toekomst. Het spreekt dus voor zich dat vandaag heel wat amateurs zich afvragen of we niet kunnen leren van AlphaGo om onze schaakprogramma's verder te verbeteren. Tenminste 1 programmeur heeft het al geprobeerd : Matthew Lai. Hij slaagde erin een schaakprogramma Giraffe te schrijven die met 72 uren zelfstudie het niveau van internationaal schaakmeester behaalde (zie deep learning machine teaches itself chess in 72 hours plays at international master).
Nu 2400 elo vind ik zowel fantastisch als pover. Voor zover ik weet, is niemand er eerder in geslaagd om een programma te schrijven dat zichzelf verbetert met vele honderden (duizend) rating punten, zonder dat we zelfs rekening houden dat het in slechts 72 uren gebeurde. Anderzijds kan een schaakprogramma van 2400 elo totaal niet concurreren met bijvoorbeeld Stockfish en Komodo.
Ik twijfel er niet aan dat andere programmeurs verbeteringen op een intelligent schaakprogramma zoals Giraffe kunnen vinden maar het is een heel paar andere mouwen om met die aanpak een nieuwe nummer 1 te creëren. Persoonlijk denk ik dat patroonherkenning veel minder nuttig is in het schaken dan in go. Onze topprogramma's tonen vandaag dagelijks aan dat ze de meeste schaakproblemen kunnen oplossen met brute kracht. Het verleden heeft al meermaals aangetoond dat extra intelligentie (zoals patroonherkenning) vaak alleen maar een verlies in speelsterkte oplevert.
Schaken is een erg concreet spel en het kleinste verschil in een stelling kan al naar een totaal andere oplossing leiden. Een voorbeeldje van dit vlindereffect kwam o.a. al eens aan bod in mijn artikel einstellung effect maar de mooiste vinden we natuurlijk terug in de probleemwereld. Zulke problemen/ studies worden ook wel tweelingen of meerlingen genoemd. De meeste verschijnen in helpmatten (toevallig publiceerde Chessbase zonet enkele) maar ook bij standaardproblemen komen ze wel eens voor zoals in de leuke opgave hieronder.
Werner Speckmann
Schach 1963
1ste prijs
Werner Speckmann
Schach 1963
1ste prijs
 |
| Mat in 2 b) Dh7 verplaatsen naar a7 c) Ke6 verplaatsen naar c6 in stelling b d) Ke4 verplaatsen naar c4 in stelling c |
Uiteraard betekent dit niet dat patronen herkennen voor schakers nutteloos is. Wij zijn geen computerprogramma's. Integendeel een ervaren schaker zal een uitgebreid aantal patronen kennen waarvan hij hoopt die ooit te kunnen hergebruiken in partijen. Dit geluk had ik ook laatst in mijn interclubpartij tegen Rob Michiels. Rob week bewust af van de theorie in de opening maar belandde toch in een stelling die ik al eens eerder had gezien.
Brabo
Oplossing Mat in 2 (Thema Allumwandlung)
a) 1. f8(L), Kf6 2. Df5#
b) 1. f8(T), Kd6 2. Tf6#
c) 1. f8(D), Kb5 2.Dfc5#
d) 1. f8(P), Kd6 2.Dc5#
Geen opmerkingen:
Een reactie posten