Toronto Universitetinin tədqiqatçıları insanların şahmatda yaradıcılığı necə qəbul etdiyini anlayan yeni süni intellekt modeli hazırlayıblar.

Beynəlxalq konfransda təqdim olunan son məqalədə T -nin Tətbiqi Elmlər və Mühəndislik Fakültəsinin tədqiqatçıları şahmat mühərriklərinin parlaq hərəkətləri tanımasını təmin etmək üçün oyun ağacları və dərin neyron şəbəkələri kimi üsullardan necə istifadə etdiklərini təsvir edirlər.

İnkişaf, qələbə nisbətlərini artırmaq üçün hərəkətlər etməkdənsə, oyunda qələbəyə aparan ən yaradıcı və ağıllı yolu tapa bilən şahmat mühərriklərinə gətirib çıxara bilər. Bu, öz növbəsində, yaradıcı səylərlə bağlı digər AI sistemləri üçün təsir göstərə bilər.

“Strateji qazanc ilk başda aydın olmayanda şahmat hərəkəti parlaq və ya yaradıcılıq kimi qəbul edilə bilər, lakin geriyə baxdıqda oyunçu gələcəyə qədər görmək üçün bütün imkanları həyata keçirmək üçün dəqiq bir yol izləməli idi.” məqalənin həmmüəllifi Michael Guerzhoy, mexaniki və sənaye mühəndisliyi və mühəndislik elminin dosenti, Substack-də araşdırma haqqında yazan deyir .

“Biz istəyirdik ki, sistemimiz şahmatda parlaqlığın nədən ibarət olduğuna dair insan qavrayışını başa düşsün və bunu sadəcə qələbədən fərqləndirsin.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&abgtt=6&fwrn=4&lmt=1723060203&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-08-chess-brilliant-ai.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTI3LjAuNjUzMy45OSIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QpQTtCcmFuZCIsIjk5LjAuMC4wIl0sWyJHb29nbGUgQ2hyb21lIiwiMTI3LjAuNjUzMy45OSJdLFsiQ2hyb21pdW0iLCIxMjcuMC42NTMzLjk5Il1dLDBd&dt=1723057918631&bpp=1&bdt=487&idt=442&shv=r20240801&mjsv=m202408060101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D3b199fcd67477665%3AT%3D1722782760%3ART%3D1723059599%3AS%3DALNI_MYiVAjEyy4dUxgOksNR26c7Dw2QPA&eo_id_str=ID%3Dd042eab5cd0e9128%3AT%3D1722782760%3ART%3D1723059599%3AS%3DAA-AfjaezaeceO7ROnaS-eCO7629&prev_fmts=0x0%2C1423x739&nras=2&correlator=5572493871754&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=1529&biw=1423&bih=739&scr_x=0&scr_y=0&eid=44759875%2C44759926%2C44759837%2C44798934%2C95331690%2C95334524%2C95334828%2C95337870%2C31085927%2C95339224%2C95336267%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=2609212534229832&tmod=997116151&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C0%2C0%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=0&td=1&tdf=0&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=M

Şahmat süni intellektinə dair hazırkı tədqiqatların əksəriyyəti qalib gəlmək şansını artıran hərəkətləri təmin etməyə yönəlib. Ancaq bu həmişə maraqlı oyun yaratmır.

Bacarıqlı şahmatçılar isə ənənəvi qaydaları poza biləcək hərəkətlər edərək daha dramatik və ya təsəvvürlü şəkildə oynaya bilərlər – məsələn, əvvəlcə səhv kimi görünən, lakin nəticədə fiqurun qurbanı olmaq. qələbəyə aparan yol.

Komanda öz-özünə oyun vasitəsilə öyrənən və özünə qarşı 1,6 milyarddan çox oyun keçirmiş ən yaxşı şahmat mühərriki olan Leela Chess Zero ilə işləmişdir. Onlar həmçinin U of T kompüter elmləri tədqiqatçıları tərəfindən hazırlanmış insana bənzər neyron şəbəkə şahmat mühərriki Maia-dan istifadə etdilər.

“Biz iki neyron şəbəkə şahmat mühərrikindən bir oyunda müxtəlif dərinlik səviyyələrində oyun ağaclarımızı yaratmaq üçün istifadə etdik,” məqalənin müəllifi Kamron Zaidi, T Mühəndisliyi üzrə yeni məzunu deyir.

“Bu oyun ağaclarından istifadə edərək, biz ondan bir çox fərqli xüsusiyyətlər çıxardıq. Daha sonra biz bu xüsusiyyətləri verilənlər bazasının insan istifadəçiləri tərəfindən etiketlənən onlayn şahmat oyunlarının Lichess verilənlər bazasında öyrətdiyimiz neyron şəbəkəsinə daxil etdik.”

Şahmatda oyun ağacı baş verə biləcək bütün mümkün hərəkətlər və əks hərəkətlərlə birlikdə şahmat taxtasının cari vəziyyətini təmsil edir. Hər bir lövhə mövqeyi bir qovşaq kimi təmsil olunur və oyun ağacı, oyun qalib gələnə, heç-heçə və ya məğlub olana qədər genişləndirilə bilər.

Tədqiqatçılar kiçik oyun ağacları ilə başladılar, sonra yavaş-yavaş ölçüsünü artırdılar və ağaca daha çox düyün əlavə etdilər. Onlar tapdılar ki, neyron şəbəkə bütün oyun ağacı xüsusiyyətlərinə baxdıqda və hərəkətin parlaq olub-olmaması ilə bağlı proqnoz verdikdə, test məlumat dəstindən istifadə edərək 79% dəqiqlik dərəcəsinə çatdı.

Guerzhoy tərəfindən idarə olunan Zaidinin bakalavr mühəndisliyi elmi tezisinə əsaslanan tədqiqat İsveçin Jönköping şəhərində keçirilən Beynəlxalq Hesablama Yaradıcılığı Konfransında təqdim edilmişdir .

“Dünyanın hər yerindən yaradıcılığın daha ənənəvi aspektləri ilə bağlı araşdırmalar təqdim edən insanlar var idi, lakin biz hamımızın diqqətini eyni şeyə yönəltmişdik, yəni “Yaradıcılıq haqqında qarşılıqlı əlaqələrimizi və anlayışlarımızı artırmaq üçün süni intellektdən necə istifadə edə bilərik?” Zeydi.

İş, həmçinin ingilis şahmat qrossmeysteri Metyu Sadlerin dediyinə görə, parlaqlığı başa düşə bilən modelin peşəkarlar üçün məşq vasitəsi kimi istifadə oluna biləcəyini və həvəskar oyunçular üçün potensial olaraq daha əyləncəli mühərrik rəqibinə səbəb ola biləcəyini söylədiyi nəşrlərdə mediada işıqlandırıldı .

Komanda, yaradıcılıq və parlaqlıq qavrayışına gəldikdə, onların sistemini geniş tətbiq oluna bilən kimi görür.

Guerzhoy deyir: “Məni maraqlandıran ən böyük sahələrdən biri yaradıcılıq kimi qəbul etdiyimiz şeyi xarakterizə etməkdir”.

“Təkcə stolüstü oyunlarda deyil, musiqi və incəsənət də daxil olmaqla, əməl edilməli olan formal çərçivə və qaydaların mövcud olduğu digər yaradıcı işlərdə də. Yüksək yaradıcı iş əvvəlcədən planlaşdırmağı və imkanlar üzərində oynamağı nəzərdə tutur.

“Lakin qəzet çıxandan bəri danışdığım hər kəs bizim parlaq şahmat mühərrikimizə qarşı nə vaxt oynaya biləcəklərini bilmək istəyir. Ona görə də, düşünürəm ki, bunu mümkün etmək bizim üçün növbəti açıq addımdır.”

Ətraflı məlumat: Zaidi et al. Şahmatda Hərəkət Parlaqlığının İstifadəçi Qavrayışının Proqnozlaşdırılması, computationalcreativity.net/ic … ICCC24_paper_200.pdfToronto Universiteti tərəfindən təmin edilmişdir