Gli scacchi sembrano un’impresa profondamente umana. Richiede intuizione. Richiede lungimiranza strategica. Quindi l’idea che una macchina fredda possa battere un grande maestro sembra quasi magica. Ma Chess AI non gioca come facciamo noi. Suddivide il tabellone in pura matematica.
Pensa a come hai imparato a giocare a scacchi. Hai iniziato dalle basi. Come salta il cavaliere. Come inclina il vescovo. Una volta cliccate le regole, potevi effettivamente spostare i pezzi. Le prime perdite non furono fallimenti. Erano punti dati. “Non avevo previsto lo scacco matto”, diresti. Il tuo cervello ha assorbito quei momenti. Hai memorizzato i modelli della tavola. Hai imparato dei trucchi. Hai assorbito le sfumature.
I computer non fanno nulla di tutto ciò. Non “pensano” in senso biologico. Calcolano. Eseguono formule per trovare la mossa ottimale. Con l’evoluzione di questi motori, la loro precisione è salita alle stelle. I calcolatori IA di oggi sono i giocatori più forti sulla Terra. Giocano alla cieca. Implacabilmente. Basato solo sul calcolo.
La matematica dietro le mosse
Gli esseri umani si affidano al riconoscimento di schemi. Riconosciamo una trappola familiare perché l’abbiamo già vista. Sentiamo un cambiamento di slancio. I computer non sentono nulla. Calcolano milioni di posizioni al secondo. Valutano ogni possibile risultato. Quindi scelgono quello con il punteggio numerico più alto.
Questa non è magia. È la logica della forza bruta. Ed è terribilmente efficace.
L’intelligenza artificiale degli scacchi sembra magica, ma nella sua essenza è solo un calcolo cieco e di forza bruta. Non è pensare. È calcolatore.
Inizia con una tavola standard. Il bianco muove per primo. Hai 20 opzioni. Possono saltare fuori due cavalieri. Otto pedoni possono avanzare di una o due caselle. Scegline uno.
Il nero vede la stessa griglia. Anche 20 mosse.
Ora il bianco muove di nuovo. Il tabellone è cambiato, quindi le opzioni cambiano, ma ci sono ancora circa 20 scelte. Poi il nero risponde. E così via.
Il numero di percorsi esplode.
Il bianco fa una mossa. Il Nero ha 20 risposte. Sono 400 posizioni. Il bianco risponde a ciascuno di questi. 8.000 posizioni. Il nero risponde. 160.000 posizioni.
Ecco come un computer vede la scacchiera. Non come l’arte. Come un albero.
La matematica degli scacchi
Se espandi quell’albero per coprire ogni possibile partita di scacchi, il numero di posizioni sulla scacchiera diventa astronomico.
Circa 10^120.
Questo è un 1 seguito da 120 zeri.
Per metterlo in prospettiva, consideriamo l’età dell’universo. Sono trascorsi circa 10^26 nanosecondi dal Big Bang. L’intero universo osservabile contiene circa 10^75 atomi. Anche contando ogni stella in ogni galassia della Via Lattea e oltre, non è ancora possibile eguagliare il numero di possibili partite a scacchi.
Gli scacchi sono complessi. Troppo complesso per essere risolto completamente da qualsiasi computer.
Nessuna macchina calcolerà mai l’intero albero. Non è necessario.
Quanto è profondo il computer?
Invece il motore guarda avanti. Costruisce un albero profondo cinque, dieci o venti mosse.
Supponiamo una media di 20 mosse per posizione:
- Un albero profondo a 5 mosse copre 3,2 milioni di posizioni.
- Un albero profondo 10 movimenti copre 10 trilioni di posizioni.
La profondità dipende dall’hardware. I computer scacchistici più veloci valutano milioni di posizioni al secondo. Tagliano l’albero, trovando il percorso migliore all’interno di quella finestra limitata.
Ma vedere le posizioni non basta. Il computer ha bisogno di sapere quale è quello buono.
Valutazione del Consiglio
È qui che subentra la funzione di valutazione.
Una volta che il motore genera l’albero, assegna un punteggio a ciascun nodo. Non si tratta solo di contare i pezzi. Certo, una versione semplice potrebbe sottrarre pezzi neri da pezzi bianchi. 11 pezzi bianchi meno 9 pezzi neri equivalgono a un punteggio di 2.
È ingenuo. Ignora il valore materiale. Una regina vale più di un pedone. Un alfiere è migliore di un cavaliere in posizioni aperte.
Quindi la formula diventa più pesante. I programmatori aggiungono pesi per il tipo di pezzo. Aggiungono bonus per il controllo del centro. Penaliscono un re vulnerabile. Influiscono sulla struttura dei pedoni.
Non importa quanto complessi siano questi parametri, l’output è sempre un numero.
Un singolo punteggio che rappresenta la “bontà” di quello stato del tabellone.
Come i grandi maestri di scacchi utilizzano l’intelligenza artificiale
Questo non è solo per le macchine. Gli esseri umani d’élite stanno utilizzando come arma questa stessa logica.
I Grandi Maestri non giocano contro i computer per batterli. Giocano con loro per migliorare.
I motori di intelligenza artificiale forniscono analisi approfondite che gli occhi umani non possono cogliere. Individuano mosse logicamente valide ma psicologicamente controintuitive. Trovano risorse nelle posizioni in perdita da cui gli umani si dimettono troppo presto.
Ecco come li utilizzano i giocatori d’élite:
- Revisione del gioco: inserisci le partite passate per individuare le opportunità perse.
- Esplorazione della strategia: prova aperture alternative che sfidano la teoria tradizionale.
- Comprensione posizionale: Scopri la “verità” di un mediogioco complesso calcolato in dieci mosse profonde.
Non è un imbroglio. È allenamento.
Il motore non ha intuito. Ha la matematica. Ma studiando i suggerimenti del motore, i giocatori umani costruiscono una propria intuizione più profonda e accurata. Imparano cosa implica la matematica su pressione, spazio e tempo.
Il tabellone è statico. Le possibilità sono infinite. Ma per ora il computer trova sempre la mossa migliore nei successivi dieci passaggi.
Dobbiamo solo recuperare il ritardo.
Come funziona realmente la logica Minimax di AlphaGo
Il diagramma illustra un albero decisionale a tre livelli. Proietta tre mosse in avanti. Ha già valutato le posizioni definitive del consiglio.
Il computer gioca con il bianco. Il Nero si è appena mosso. La tavola si trova in cima all’albero. Il bianco ha tre possibili risposte. A ciascuna di queste tre mosse il Nero può rispondere in tre modi. Ciò crea nove posizioni nel consiglio. Da ciascuno di questi nove punti, il Bianco può effettuare due possibili mosse.
Nella vita reale, il fattore di ramificazione è molto più alto. Stai guardando circa 20 mosse da qualsiasi posizione. Disegnarlo sarebbe un disastro. Quindi il diagramma lo semplifica.
Per decidere la sua prossima mossa, il computer guarda questo albero. Funziona dal basso verso l’alto. I calcoli sono progettati per trovare le migliori posizioni sulla scacchiera da ciascuna delle possibili posizioni che il Nero occuperà. Ci vuole il massimo.
Questo è il nucleo dell’algoritmo minimax. Il computer presuppone un gioco ottimale da entrambi i lati. Minimizza la massima perdita possibile. In questo specifico ramo, sta massimizzando il proprio guadagno.
Il computer lavora dal basso verso l’alto, selezionando il valore massimo per le mosse del Bianco e minimizzando per quelle del Nero.
Non è magia. È matematica. L’albero è solo una rappresentazione delle possibilità. La funzione di valutazione assegna un punteggio a ciascun nodo foglia. L’algoritmo quindi propaga tali punteggi verso l’alto.
Il bianco vuole massimizzare il punteggio. Il Nero vuole minimizzarlo. Il computer sceglie il percorso che porta al punteggio più alto per il Bianco, assumendo che il Nero giochi in modo ottimale per ridurlo.
Questa logica si ridimensiona. Su. E su. Fino a quando l’albero non sarà troppo grande per essere calcolato. Quindi utilizza l’euristica. Ma qui? È puro calcolo.
Si presuppone che il nero sceglierà la peggiore posizione possibile per il bianco. Ci vuole il minimo.
Quindi prende il massimo dei primi tre numeri: 7. Questa è la mossa che fa il computer.
Una volta che il nero risponde, l’intero ciclo ricomincia. Si genera un nuovo albero. Tutte le posizioni nel consiglio vengono valutate nuovamente. La macchina calcola il passo successivo.
Questo è l’algoritmo minimax. Alterna massimi e minimi mentre sale sull’albero decisionale.
La potatura alfa-beta accelera le cose. Funziona circa due volte più velocemente. Utilizza molta meno memoria.
Il processo è completamente meccanico. Non c’è pensiero qui. Solo calcoli di forza bruta. Una funzione di valutazione viene applicata ad ogni possibile posizione in un albero di una determinata profondità.
Funziona bene Su un computer sufficientemente veloce, l’algoritmo guarda molto più avanti. Si gioca una partita molto buona.
Aggiungi tecniche di apprendimento. Modifica la funzione di valutazione in base ai giochi passati. La macchina migliora nel tempo.
Ma ricorda questo. Non ha niente a che vedere con il pensiero umano.
Quando finalmente capiremo come funziona il pensiero umano e costruiremo un computer che utilizza quelle tecniche per gli scacchi, avremo davvero capito qualcosa.
La potenza dei moderni motori scacchistici
Ogni sistema di scacchi basato sull’intelligenza artificiale si basa su un potente motore.
Questo motore combina algoritmi di ricerca. Utilizza funzioni di valutazione. Nei casi avanzati, utilizza l’apprendimento automatico.
I motori scacchistici sono i giocatori per eccellenza ora. Superano costantemente anche i migliori grandi maestri umani.
Attraverso calcoli di forza bruta o apprendimento adattivo, l’intelligenza artificiale ha cambiato il panorama. È uno strumento indispensabile per i giocatori che cercano di analizzare le partite e migliorare le strategie.
Abbiamo aggiornato questo articolo insieme alla tecnologia AI, quindi ci siamo assicurati che fosse verificato e modificato da un editor di HowStuffWorks.
