Catur terasa seperti usaha yang sangat manusiawi. Hal ini membutuhkan intuisi. Hal ini memerlukan pandangan ke depan yang strategis. Jadi gagasan bahwa mesin dingin dapat mengalahkan seorang grandmaster tampaknya hampir ajaib. Namun Chess AI tidak memainkan permainan seperti kami. Ini memecah papan menjadi matematika murni.
Pikirkan tentang bagaimana Anda belajar catur. Anda mulai dengan dasar-dasarnya. Bagaimana ksatria itu melompat. Betapa miringnya uskup. Setelah aturannya sesuai, Anda sebenarnya bisa memindahkan bidak. Kerugian awal bukanlah kegagalan. Itu adalah titik data. “Saya tidak melihat skakmat itu datang,” kata Anda. Otak Anda menyerap momen-momen itu. Anda menyimpan pola papan. Anda belajar trik. Anda menyerap nuansa.
Komputer tidak melakukan semua itu. Mereka tidak “berpikir” dalam pengertian biologis. Mereka menghitung. Mereka menjalankan formula untuk menemukan langkah optimal. Seiring berkembangnya mesin ini, presisinya pun meningkat pesat. Kalkulator AI saat ini adalah pemain terkuat di dunia. Mereka bermain secara membabi buta. Tanpa henti. Berdasarkan perhitungan saja.
Matematika di Balik Gerakan
Manusia mengandalkan pengenalan pola. Kami mengenali jebakan yang familier karena kami pernah melihatnya sebelumnya. Kami merasakan adanya pergeseran momentum. Komputer tidak merasakan apa pun. Mereka menghitung jutaan posisi per detik. Mereka mengevaluasi setiap kemungkinan hasil. Kemudian mereka memilih salah satu dengan skor numerik tertinggi.
Ini bukanlah keajaiban. Ini adalah logika kekerasan. Dan ini sangat efektif.
AI catur terlihat seperti sihir, namun pada intinya, ini hanyalah komputasi buta dan brute force. Itu tidak berpikir. Ini penuh perhitungan.
Mulailah dengan papan standar. Putih bergerak lebih dulu. Anda memiliki 20 pilihan. Dua ksatria bisa melompat keluar. Delapan pion dapat meluncur ke depan satu atau dua petak. Anda memilih satu.
Hitam melihat kotak yang sama. Juga 20 gerakan.
Sekarang putih bergerak lagi. Dewan telah berubah, jadi pilihannya bergeser, tapi masih ada sekitar 20 pilihan. Lalu hitam menjawab. Dan sebagainya.
Jumlah jalur meledak.
Putih bergerak. Hitam memiliki 20 balasan. Itu 400 posisi. White merespons masing-masingnya. 8.000 posisi. Hitam menyerang balik. 160.000 posisi.
Beginilah cara komputer melihat papan. Bukan sebagai seni. Sebagai pohon.
Matematika Catur
Jika Anda memperluas pohon itu untuk mencakup setiap kemungkinan permainan catur, jumlah posisi papan sangatlah besar.
Sekitar 10^120.
Itu adalah angka 1 diikuti oleh 120 angka nol.
Sebagai gambaran, pertimbangkan usia alam semesta. Sudah sekitar 10^26 nanodetik sejak Big Bang. Seluruh alam semesta yang dapat diamati mengandung sekitar 10^75 atom. Bahkan dengan menghitung setiap bintang di setiap galaksi di Bima Sakti dan sekitarnya, Anda masih belum bisa menandingi jumlah kemungkinan permainan catur.
Catur itu rumit. Terlalu rumit untuk diselesaikan sepenuhnya oleh komputer mana pun.
Tidak ada mesin yang akan menghitung keseluruhan pohon. Itu tidak perlu.
Seberapa Dalam Tampilan Komputer?
Sebaliknya, mesinnya melihat ke depan. Ia membangun pohon sedalam lima, sepuluh, atau dua puluh langkah.
Asumsikan rata-rata 20 gerakan per posisi:
- Pohon sedalam 5 langkah mencakup 3,2 juta posisi.
- Pohon sedalam 10 langkah mencakup 10 triliun posisi.
Kedalamannya tergantung pada perangkat keras. Komputer catur tercepat mengevaluasi jutaan posisi per detik. Mereka membelah pohon, menemukan jalan terbaik di dalam jendela terbatas itu.
Namun melihat posisinya saja tidak cukup. Komputer perlu mengetahui mana yang bagus.
Mengevaluasi Dewan
Di sinilah fungsi evaluasi mengambil alih.
Setelah mesin menghasilkan pohon, mesin akan memberikan skor pada setiap node. Ini bukan sekedar menghitung potongan. Tentu saja, versi sederhana mungkin mengurangi potongan hitam dari potongan putih. 11 buah putih dikurangi 9 buah hitam sama dengan skor 2.
Itu naif. Itu mengabaikan nilai material. Seorang ratu lebih berharga dari pada pion. Seorang uskup lebih baik daripada seorang ksatria dalam posisi terbuka.
Jadi rumusnya jadi lebih berat. Pemrogram menambahkan bobot untuk jenis potongan. Mereka menambahkan bonus untuk mengendalikan pusat. Mereka menghukum raja yang rentan. Mereka memperhitungkan struktur gadai.
Tidak peduli betapa rumitnya parameter ini, outputnya selalu berupa satu angka.
Satu skor yang mewakili “kebaikan” dewan negara tersebut.
Bagaimana Grandmaster Catur Menggunakan AI
Ini bukan hanya untuk mesin. Manusia elit menggunakan logika yang sama sebagai senjata.
Grandmaster tidak bermain melawan komputer untuk mengalahkan mereka. Mereka bermain dengan mereka untuk menjadi lebih baik.
Mesin AI memberikan analisis mendalam yang tidak dapat ditangkap oleh mata manusia. Mereka melihat gerakan-gerakan yang masuk akal secara logika, namun secara psikologis berlawanan dengan intuisi. Mereka menemukan sumber daya dalam kehilangan posisi dimana manusia mengundurkan diri terlalu dini.
Berikut cara pemain elit menggunakannya:
- Ulasan Game: Masukkan pertandingan sebelumnya untuk mendeteksi peluang yang terlewatkan.
- Eksplorasi Strategi: Menguji peluang alternatif yang bertentangan dengan teori tradisional.
- Pemahaman Posisi: Lihat “kebenaran” dari permainan tengah kompleks yang dihitung sedalam sepuluh langkah.
Itu tidak curang. Ini pelatihan.
Mesinnya tidak memiliki intuisi. Ini memiliki matematika. Namun dengan mempelajari saran mesin, pemain manusia membangun intuisi mereka sendiri yang lebih dalam dan akurat. Mereka mempelajari arti matematika tentang tekanan, ruang, dan waktu.
Papan itu statis. Kemungkinannya tidak terbatas. Namun untuk saat ini, komputer selalu menemukan langkah terbaik dalam sepuluh langkah berikutnya.
Kita hanya perlu mengejar ketinggalan.
Cara Kerja Logika Minimax AlphaGo
Diagram mengilustrasikan pohon keputusan tiga tingkat. Ini memproyeksikan tiga langkah ke depan. Mereka telah mengevaluasi posisi akhir dewan.
Komputer memainkan warna putih. Hitam baru saja pindah. Papan itu berada di puncak pohon. Putih mempunyai tiga kemungkinan tanggapan. Dari masing-masing tiga jurus tersebut, Hitam dapat membalas dengan tiga cara. Itu menciptakan sembilan posisi dewan. Dari masing-masing sembilan titik tersebut, Putih dapat membuat dua kemungkinan gerakan.
Dalam kehidupan nyata, faktor percabangan jauh lebih tinggi. Anda sedang melihat sekitar 20 gerakan dari posisi mana pun. Menggambar itu akan berantakan. Jadi diagram menyederhanakannya.
Untuk memutuskan langkah selanjutnya, komputer melihat pohon ini. Ia bekerja ke atas dari bawah. Perhitungannya dirancang untuk menemukan posisi dewan terbaik dari setiap kemungkinan posisi yang akan diambil oleh Black. Dibutuhkan maksimal.
Ini adalah inti dari algoritma minimax. Komputer mengasumsikan permainan optimal dari kedua sisi. Ini meminimalkan kemungkinan kerugian semaksimal mungkin. Di cabang khusus ini, mereka memaksimalkan keuntungannya sendiri.
Komputer bekerja ke atas dari bawah, memilih nilai maksimum untuk gerakan Putih dan meminimalkan untuk gerakan Hitam.
Ini bukan sihir. Itu matematika. Pohon hanyalah representasi dari kemungkinan-kemungkinan. Fungsi evaluasi memberikan skor untuk setiap node daun. Algoritme kemudian menyebarkan skor tersebut.
Putih ingin memaksimalkan skor. Hitam ingin meminimalkannya. Komputer memilih jalur yang mengarah ke skor tertinggi untuk Putih, dengan asumsi Hitam bermain optimal untuk menguranginya.
Logika ini berskala. Ke atas. Dan naik. Sampai pohonnya terlalu besar untuk dihitung. Kemudian menggunakan heuristik. Tapi di sini? Itu murni perhitungan.
Diasumsikan orang kulit hitam akan memilih posisi terburuk bagi orang kulit putih. Dibutuhkan minimal.
Kemudian ia mengambil maksimal tiga angka teratas tersebut: 7. Itu adalah gerakan yang dilakukan komputer.
Setelah warna hitam merespons, seluruh perulangan dimulai ulang. Sebuah pohon baru dihasilkan. Semua posisi dewan dievaluasi lagi. Mesin menghitung langkah selanjutnya.
Ini adalah algoritma minimax. Ini bergantian antara maksimum dan minimum saat ia menaiki pohon keputusan.
Pemangkasan alfa-beta mempercepat segalanya. Ini berjalan sekitar dua kali lebih cepat. Ini menggunakan memori yang jauh lebih sedikit.
Prosesnya sepenuhnya mekanis. Tidak ada pemikiran di sini. Hanya perhitungan brute force. Fungsi evaluasi diterapkan ke setiap kemungkinan posisi di pohon dengan kedalaman tertentu.
Ini bekerja dengan baik. Pada komputer yang cukup cepat, algoritmenya terlihat jauh lebih maju. Ini memainkan permainan yang sangat bagus.
Tambahkan teknik pembelajaran. Ubah fungsi evaluasi berdasarkan permainan sebelumnya. Mesin menjadi lebih baik seiring berjalannya waktu.
Tapi ingat ini. Ini tidak seperti pemikiran manusia.
Ketika kita akhirnya memahami cara kerja pemikiran manusia dan membangun komputer yang menggunakan teknik-teknik tersebut untuk bermain catur, kita akan benar-benar menemukan sesuatu.
Kekuatan Mesin Catur Modern
Setiap sistem catur yang digerakkan oleh AI mengandalkan mesin yang kuat.
Mesin ini menggabungkan algoritma pencarian. Ini menggunakan fungsi evaluasi. Dalam kasus-kasus lanjut, ini menggunakan pembelajaran mesin.
Mesin catur adalah pemain terhebat saat ini. Mereka secara konsisten mengungguli bahkan grandmaster manusia terbaik sekalipun.
Baik melalui penghitungan brute force atau pembelajaran adaptif, AI telah mengubah lanskap. Ini adalah alat yang sangat diperlukan bagi pemain yang ingin menganalisis permainan dan meningkatkan strategi.
Kami memperbarui artikel ini bersama dengan teknologi AI, lalu memastikan artikel tersebut telah diperiksa faktanya dan diedit oleh editor HowStuffWorks.
