Praktisch schaak

Mijn schooltijd ligt al lang achter mij maar ik vermoed dat er nog steeds niet veel veranderd is in het lesgeven. Als een leerkracht nieuwe leerstof aanbrengt, wordt eerst de theorie uitgelegd en daarna wordt die theorie ingeoefend met oefeningen. Hetzelfde geldt voor het schaken. Als we bijvoorbeeld de stappenmethode volgen dan worden eerst de spelregels of thema's zoals dubbele aanval/ aftrekschaak/ penning/ ... uitgelegd vooraleer de leerling gevraagd wordt om oefeningen met die nieuwe leerstof op te lossen.

De Nederlandse auteur Willy Hendriks was met zijn boek Move First Think Later die ik op deze blog besproken heb zie ik wist het wel, 1 van de eerste om dit stramien succesvol te doorbreken. Hij begon met de oefeningen en pas daarna kwam de uitleg. Dit is een gewaagd concept maar het werkte in dit boek omdat je de uitleg (mits je een zeker basisniveau al hebt van het schaken) helemaal niet nodig hebt om de oefeningen te kunnen oplossen. Het boek is dan ook helemaal geen klassiek leerboek waarbij je nieuwe thema's aanleert maar een gids voor de lesgever waarbij diverse nieuwe en oude methodes van lesgeven onder de loep worden genomen.

Het recente vervolgboek van Willy: On the Origin of Good Moves zie voor mijn bespreking oude wijn in nieuwe zakken deel 3, trekt deze lijn door. Ook hier staan de oefeningen weer voor de uitleg en ook hier geldt dat je de uitleg helemaal niet nodig hebt om de oefeningen te kunnen oplossen mits je een zeker basisniveau al hebt van het schaken. Echter terwijl in zijn eerste boek deze aanpak nog onwennig aanvoelde, is het vandaag goed ingeburgerd. Het grote succes van dit eerste boek heeft natuurlijk ook andere auteurs ertoe aangezet om dit model te kopiëren. Dit is iets wat ik recent zag, toen ik het boek Think Like a Machine van de Israëlische auteurs Noam A. Manella en Zeev Zohar aankocht.

De catchy titel had mij als computerfanaat natuurlijk aangetrokken. Ik werk al sinds het prille begin van mijn schaakcarrière met schaakcomputers (1990). Je hoeft mij dus niet te overtuigen dat je door te werken met schaakcomputers ook iets kunt leren van het schaken. Trouwens computerschaak evolueert zo snel dat het vandaag zeer moeilijk is geworden om van alle ontwikkelingen op de hoogte te blijven. Bovendien bestaan er bijzonder weinig boeken hierover dus dit boek was voor mij welgekomen om dit gemis op te vullen.

Anderzijds realiseerde ik mij ook onmiddellijk dat ik een risico nam met dit boek. Zo vond ik de titel al heel uitdagend. Leren van een machine daarmee ga ik akkoord maar denken zoals een machine is volstrekt onmogelijk als mens. Een computer denkt trouwens niet maar berekent van miljoenen stellingen per seconde een score. Nu een stoute titel verkoopt altijd beter dan een brave titel dus je mag een boek nooit afrekenen op de titel.

Helaas soms krijg je ook gewoon wat de omslag vertelt. Mijn vorige boekbesprekingen waren steeds (heel) lovend maar deze keer kan ik dit absoluut niet. Het boek was voor mij 1 van de meest frustrerende ervaringen ooit. Ik heb meerdere keren overwogen om het al halfweg definitief weg te doen en dat had ik zeker gedaan indien ik geen 30 euro had betaald voor slechts 250 pagina's. De lijdensweg begint onmiddellijk bij de oefeningen die dus voor de uitleg staan. "Happy solving" wordt er nog meegegeven maar dan begint de horror. Ik spendeerde uren en uren zoeken maar ik loste nauwelijks iets op. Wat was hier aan de hand? Als FM zou ik dit toch moeten kunnen of ben ik het schaken verleerd tijdens de vele maanden inactiviteit door de coronacrisis. Uiteindelijk keek ik compleet gedesillusioneerd naar de oplossingen.

Toen kwam de aap uit de mouw. Op een minderheid na zijn de opgaven enkel op te lossen met behulp van een computer. Oude analyses van Fischer, Kasparov, Tal, Petrosian ... worden met de grond gelijk gemaakt. Het spel van hedendaagse topgrootmeesters zoals Giri, Carlsen, Svilder, Caruana, Liren,.. wordt geridiculiseerd met het opsommen van een lange lijst gemiste kansen. Verder krijgen we een aantal stellingen van computerpartijen tussen Stockfish en Alphazero en ook nog enkele eindspelstudies die prijzen hebben gewonnen, voorgeschoteld.

Het boek staat volgepropt met prachtige, fabelachtige, extreem complexe computeranalyses en voor dit alleen kan je het aankopen maar ik snap niet waarom de lezer gevraagd wordt om uberhaupt een poging te ondernemen dit op te lossen. Dit lijkt mij compleet onzinnig maar de auteurs zijn van mening dat alle opgaven binnen het menselijk bereik liggen. Hun advies is dat je als mens gewoon dieper en creatiever moet nadenken en dat we vaak maar een klein deel van onze hersencapaciteiten gebruiken tijdens een wedstrijd. Als bewijs van hun theorie zijn op het einde van het boek enkele grootste partijen opgenomen van o.a. Carlsen die in zeer complexe stellingen toch bijna altijd de computerzet kon vinden.

Ik was zo verbouwereerd over al die misinformatie dat ik uiteindelijk eens ging opzoeken wie de auteurs waren. Welke rating hebben die Noam A. Manella en Zeev Zohar eigenlijk dat ze zo kritisch durven zijn? Welke resultaten hebben zij al behaald met het implementeren van hun revolutionaire theorie dat we moeten denken als een machine? Wel val niet van je stoel want ze hebben allebei geen fiderating. Van Zeev Zohar heb ik enkel een chess.com-account teruggevonden waar hij een huidige blitzrating heeft van 1967.

De analyses zijn top en hier en daar valt wel iets op te lossen maar ik snap niet dat een leidinggevende uitgeverij zoals Quality Chess dit boek in deze vorm heeft uitgebracht. Men had er veel beter gewoon een mooie collectie stellingen/partijen van gemaakt met briljante vondsten van de computerprogramma's die illustreren hoe groot het gat ondertussen is geworden tussen computer en mens.

In elk geval tips om zelf beter te schaken heb ik er niet in gevonden. Het praktisch schaken werd totaal genegeerd en dat is jammer natuurlijk want ik had net gehoopt om een brug te zien tussen computer en mens. Zelf heb ik op deze blog diverse artikels gepubliceerd over hoe ik werk met de computer maar er bestaat geen absoluut antwoord over hoe je het best te werk gaat om betere resultaten in de praktijk te behalen. Een commentator van vlees en bloed is nog altijd vaak de beste raadgever. Een mooi voorbeeldje hiervan las ik laatst nog op chesspub:  "Wit heeft een statische plus maar het is helemaal niet eenvoudig om de juiste beslissingen te maken over wanneer er wat geruild moet worden." Dit laatste werd mooi bevestigd in mijn meest recente partij voor de Belgische interclub waarin dezelfde opening werd gekozen.

Een computer toont voordeel aan voor wit maar kan je niet vertellen dat het niet makkelijk spelend is. In dit laatste komt gelukkig nu eindelijk langzaam verandering in. Vorige maand schreef Franky Nolf in een reactie op deze blog over DecodeChess en toeval is dat dit programma ook vermeld wordt in "Think Like a Machine" als een hoopgevend AI-systeem (eveneens Israëliërs). Het is nog een beginproduct maar er is zeker een enorme vraag naar kwalitatieve en betaalbare coaching.

Daarnaast zien we nu ook steeds meer schaakprogramma's die met winstpercentages werken i.p.v. materiaalscores. Leela was de eerste die duidelijk aantoonde dat het loont om ook in gelijke stellingen aan te geven wie de beste kansen heeft en ondertussen zijn andere programma's ook op de kar gesprongen. Ik raad hierbij de lezer aan om eens de nieuwe Stockfish NNUE te proberen die een mix is van de oude Stockfish en de nieuwe netwerken zoals Leela. Ik maakte recent nog een test en Stockfish NNUE scoorde 6 extra winsten op 100 partijen in vergelijking met Stockfish 11 tegen dezelfde Leela en met dezelfde set openingen. Stockfish 11 - Leela (sterkste net dat ik getest heb) : 48 - 52; Stockfish NNUE (versie 29 juli) - Leela (sterkste net dat ik getest heb) : 51- 49.

Anderzijds mag je jezelf niet blindstaren op de winstpercentages van die nieuwe generatie schaakprogramma's. Het is goed om in gelijke stellingen nu eindelijk toch te zien wie de beste praktische kansen heeft maar je mag die zeker niet zomaar ook als waarheid voor partijen tussen mensen beschouwen. Ervaring speelt vaak een belangrijkere rol. Ook is het zo dat winstpercentages van die computers vrij zinloos zijn in stellingen waarin concrete winstvarianten worden gevonden door de computer. Het schaakprogramma houdt geen rekening met hoe moeilijk sommige zetten zijn om te vinden als mens. Een mooi voorbeeldje is de stelling op zet 13 in onderstaande partij.

De computer schreeuwt dat de winst duidelijk is voor wit maar ik zal nooit op eigen kracht een lijn zoals met h4 correct kunnen berekenen en dan spreek ik nog niet over de zijvarianten. Dat is 1 voorbeeldje maar dit kom je natuurlijk voortdurend tegen als je je eigen partijen met een computer analyseert.

Spelers zijn altijd op zoek naar praktische oplossingen voor hun problemen (openingen/ strategie/...). In de literatuur kan je talloze goede en minder goede boeken hierover vinden. Think Like a Machine hoort zeker in de categorie van de minder goede. Het is wachten vooraleer AI hiervoor een antwoord kan verzinnen.

Brabo