AI beïnvloedt competitieschaken

Begin deze maand was er het schaaknieuws dat een kandidaatmeester de nobelprijs in chemie gewonnen had zie o.a. Demis Hassabis wins Nobel Prize for chemistry. Demis had in 2020 het programma Alphafold2 ontwikkeld waardoor de meest complexe proteïne-structuren nu in kaart kunnen worden gebracht. Met dit nieuw programma wordt geschat dat 2 miljoen wetenschappers en onderzoekers van 190 landen nieuwe ontdekkingen betreffende proteïne-structuren kunnen maken.

Echter de belangrijkste link tussen de nobelprijs en het schaken is uiteraard dat Demis enkele jaren eerder eind 2017 de voorloper Alphazero had ontwikkeld. Schaken was het eerste domein waarin Demis met succes een zelflerend programma had ontwikkeld die beter speelde dan om het even wie of wat. Begin 2018 schreef ik nog meewarig over een zelflerend programma maar ik moest al snel dit oordeel aanpassen. Eind 2019 sprong ik zelf op die AI-trein met Leela (Lc0).

Desalniettemin is het pas heel recent dat ik ook een impact in het competitieschaken heb gemerkt. Deze zomer in Dortmund kwam ik voor het eerst in contact met spelers die gebruik maakten van de typische AI-opgebouwde kennis in hun openingskeuzes. Ik heb het hier niet over een lastig te begrijpen/ implementeren computerevalutie waar ik het enkele maanden eerder over had zie mei-artikel. Nee ik heb het over totaal nieuwe zeer kansrijke concepten die een mens wellicht zelfstandig nooit had kunnen bedenken.

Met slechts 1 partij per dag in Dortmund en paringen die al de avond voordien worden aangekondigd, was er veel tijd om voor te bereiden. Voor mijn 3 + 2400 tegenstanders die ik tegenkreeg was het dan ook telkens een koud kunstje om tegen mijn vast repertoire een totaal nieuw concept met behulp van AI succesvol te ontwikkelen. Ik begin met de Griekse internationaal meester Georgios Gkoumas die een partij van 2018 verbeterde.

In de slotstelling heeft wit een gevaarlijk initiatief op de koningsvleugel die mij veel later de partij ook doet verliezen. In bovenstaand voorbeeld kan je nog opperen dat AI slechts een beperkte toegevoegde waarde creëerde maar volgend voorbeeld is 100% AI. De Poolse internationaal meester Klaudia Kulon toverde een prachtig staaltje AI-openingsvernuft op het bord waar ik tevergeefs een antwoord trachtte op te verzinnen.

Zwart staat bijna volledig ontwikkeld. Wat heeft wit ondertussen gedaan? 4.a3, 7.h4 en 8.Ph3 zijn allemaal de topkeuze van de huidige generatie Stockfish en Leela. Jawel wit heeft een duidelijk voordeel. In de partij spendeerde ik erg veel tijd om iets speelbaars van plan te vinden. Dat leidde later tot tijdnood en ook de bijhorende blunder die mij uiteindelijk de partij kostte.

Echter het toppunt van een AI-voorbereiding moet mijn partij tegen de Duitse FM met 2400 elo Mortiz Weishaeutel zijn. Eerst offert wit 2 pionnen waarvoor de compensatie allerminst duidelijk is. Daarna volgt een compleet absurde repositionering van de witte dame naar h2 via h5. Alles wordt goedgekeurd en aanbevolen door de computer.

Als FM met ongeveer 350 klassieke partijen gepubliceerd in de publieke databases en een heel rigid repertoire ben ik een sitting duck voor dit soort AI-partijvoorbereidingen. Het maakt mijn wetenschappelijke aanpak (deel 1 en deel 2) in klassiek schaken met ruim op voorhand aangekondigde paringen steeds minder aanvaardbaar.

Anderzijds is het wellicht ook zo dat zulke AI-partijvoorbereidingen niet voor iedereen zijn weggelegd. Een Nederlandse grootmeester vertelde mij heel recent nog dat hij geen specialist was met de computer. Echter het grootste obstakel is wellicht de interessante AI posities eruit filteren en correct interpreteren. Het lijkt mij bijgevolg geen toeval dat het telkens + 2400 spelers waren die succesvol hierin waren.

Ik vermoed dat voor de meeste amateurs er nauwelijks iets veranderd is in hun competitieschaken omdat ze niet of zeer zelden in contact komen met +2400 spelers. Bovendien stel ik mij ook de vraag of die + 2400s soms niet te veel risico's nemen met die AI concepten in de eigen partijen te implementeren. In het 2de voorbeeld kwam Klaudia eenmaal uit boek snel slecht te staan omdat ze geen vervolg kon breien. Persoonlijk ben ik dan ook eerder terughoudend om te vreemd uitziende AI-concepten zelf te gebruiken. Ik kies dus sneller voor een zet in de openingsstudie die volgens de topprogramma's lichtjes inferieur is maar makkelijker te begrijpen valt.

Brabo