Schaken voelt als een diepmenselijke onderneming. Het vereist intuïtie. Het vergt strategische vooruitziendheid. Het idee dat een koude machine een grootmeester kan verslaan, lijkt dus bijna magisch. Maar Chess AI speelt het spel niet zoals wij dat doen. Het verdeelt het bord in pure wiskunde.
Denk eens na over hoe je schaken hebt geleerd. Je begon met de basis. Hoe de ridder springt. Hoe de bisschop neigt. Zodra de regels klikten, kon je daadwerkelijk stukken verplaatsen. Vroege verliezen waren geen mislukkingen. Het waren datapunten. ‘Ik zag die schaakmat niet aankomen’, zou je zeggen. Je hersenen absorbeerden die momenten. Je hebt bordpatronen opgeslagen. Je hebt trucjes geleerd. Je hebt de nuance opgezogen.
Computers doen dat allemaal niet. Ze ‘denken’ niet in biologische zin. Ze berekenen. Ze gebruiken formules om de optimale zet te vinden. Naarmate deze motoren zich ontwikkelden, is hun precisie enorm toegenomen. De huidige AI-rekenmachines zijn de sterkste spelers op aarde. Ze spelen blindelings. Meedogenloos. Alleen gebaseerd op berekeningen.
De wiskunde achter de bewegingen
Mensen vertrouwen op patroonherkenning. We herkennen een bekende valstrik omdat we hem eerder hebben gezien. We voelen een verschuiving in het momentum. Computers voelen niets. Ze berekenen miljoenen posities per seconde. Ze evalueren elke mogelijke uitkomst. Vervolgens kiezen ze degene met de hoogste numerieke score.
Dit is geen magie. Het is brute force-logica. En het is angstaanjagend effectief.
Schaak-AI lijkt op magie, maar in de kern is het gewoon blinde, brute-force berekening. Het is niet denken. Het is berekenend.
Begin met een standaardbord. Wit zet eerst. Je hebt 20 opties. Twee ridders kunnen eruit springen. Acht pionnen kunnen één of twee velden naar voren schuiven. Jij kiest er één.
Zwart ziet hetzelfde raster. Ook 20 zetten.
Nu beweegt wit opnieuw. Het bord is veranderd, dus de opties verschuiven, maar het zijn nog steeds ongeveer twintig keuzes. Dan reageert zwart. En zo verder.
Het aantal paden explodeert.
Wit doet een zet. Zwart heeft 20 antwoorden. Dat zijn 400 posities. Wit reageert op elk van deze. 8.000 posities. Zwart slaat terug. 160.000 posities.
Dit is hoe een computer het bord ziet. Niet als kunst. Als een boom.
De wiskunde van schaken
Als je die boom uitbreidt tot elk mogelijk schaakspel, is het aantal bordposities astronomisch.
Ongeveer 10^120.
Dat is een 1 gevolgd door 120 nullen.
Om dat in perspectief te plaatsen, moeten we eens kijken naar de ouderdom van het universum. Het is ongeveer 10^26 nanoseconden geleden sinds de oerknal. Het hele waarneembare heelal bevat grofweg 10^75 atomen. Zelfs als je elke ster in elk sterrenstelsel in de Melkweg en daarbuiten meetelt, kun je het aantal mogelijke schaakspellen nog steeds niet evenaren.
Schaken is complex. Te complex voor welke computer dan ook om volledig op te lossen.
Geen enkele machine zal ooit de hele boom berekenen. Dat is niet nodig.
Hoe diep ziet de computer eruit?
In plaats daarvan kijkt de motor vooruit. Het bouwt een boom van vijf, tien of twintig zetten diep.
Ga uit van een gemiddelde van 20 zetten per stelling:
- Een boom met een diepte van 5 zetten bestrijkt 3,2 miljoen posities.
- Een boom van 10 zetten diep bestrijkt 10 biljoen posities.
De diepte is afhankelijk van de hardware. De snelste schaakcomputers evalueren miljoenen posities per seconde. Ze snijden door de boom en vinden het beste pad binnen dat beperkte venster.
Maar het zien van de posities is niet genoeg. De computer moet weten welke goed is.
Evaluatie van het bestuur
Dit is waar de evaluatiefunctie het overneemt.
Zodra de engine de boom heeft gegenereerd, kent deze een score toe aan elk knooppunt. Het is niet alleen maar stukjes tellen. Zeker, een eenvoudige versie kan zwarte stukken van witte stukken aftrekken. 11 witte stukken min 9 zwarte stukken is gelijk aan een score van 2.
Dat is naïef. Het negeert de materiële waarde. Een koningin is meer waard dan een pion. Een loper is beter dan een paard in open posities.
De formule wordt dus zwaarder. Programmeurs voegen gewichten toe voor het stuktype. Ze voegen bonussen toe voor het controleren van het centrum. Ze straffen een kwetsbare koning. Ze houden rekening met de pionnenstructuur.
Hoe complex deze parameters ook zijn, de uitvoer is altijd één getal.
Eén enkele score vertegenwoordigt de ‘goedheid’ van dat bord.
Hoe schaakgrootmeesters AI gebruiken
Dit geldt niet alleen voor machines. Elitemensen bewapenen deze zelfde logica.
Grootmeesters spelen niet tegen computers om ze te verslaan. Ze spelen met ze om beter te worden.
AI-motoren bieden diepgaande analyses die het menselijk oog niet kan opvangen. Ze ontdekken bewegingen die logisch klinken, maar psychologisch contra-intuïtief zijn. Ze vinden hulpbronnen in het verliezen van posities waar mensen te vroeg afstand van doen.
Hier is hoe elitespelers ze gebruiken:
- Spelrecensie: Voer eerdere wedstrijden in om gemiste kansen te detecteren.
- Strategieverkenning: Test alternatieve openingen die de traditionele theorie tarten.
- Positioneel begrip: Zie de “waarheid” van een complex middenspel, berekend op tien zetten diep.
Het is geen bedrog. Het is trainen.
De motor heeft geen intuïtie. Het heeft wiskunde. Maar door de suggesties van de engine te bestuderen, bouwen menselijke spelers een diepere, nauwkeurigere eigen intuïtie op. Ze leren wat de wiskunde inhoudt over druk, ruimte en tijd.
Het bord is statisch. De mogelijkheden zijn oneindig. Maar voorlopig vindt de computer altijd de beste zet in de volgende tien stappen.
We moeten gewoon inhalen.
Hoe de Minimax-logica van AlphaGo feitelijk werkt
Het diagram illustreert een beslissingsboom met drie niveaus. Het projecteert drie stappen vooruit. Zij heeft de definitieve bestuursfuncties al geëvalueerd.
De computer speelt wit. Zwart is net aan zet. Het bord zit bovenaan de boom. Wit heeft drie mogelijke antwoorden. Van elk van deze drie zetten kan zwart op drie manieren antwoorden. Dat levert negen bestuursfuncties op. Van elk van deze negen plekken kan wit twee mogelijke zetten doen.
In het echte leven is de vertakkingsfactor veel hoger. Je kijkt naar ongeveer twintig zetten vanuit elke positie. Dat tekenen zou een puinhoop zijn. Het diagram vereenvoudigt het dus.
Om de volgende zet te bepalen, kijkt de computer naar deze boom. Het werkt van onderaf naar boven. De berekeningen zijn bedoeld om de beste bordposities te vinden voor elk van de mogelijke posities die zwart zal innemen. Het vergt het maximale.
Dit is de kern van het minimax-algoritme. De computer gaat uit van optimaal spel van beide kanten. Het minimaliseert het maximaal mogelijke verlies. In deze specifieke branche maximaliseert het zijn eigen winst.
De computer werkt van beneden naar boven, selecteert de maximale waarde voor de zetten van wit en minimaliseert voor die van zwart.
Het is geen magie. Het is wiskunde. De boom is slechts een weergave van mogelijkheden. De evaluatiefunctie kent een score toe aan elk bladknooppunt. Het algoritme propageert deze scores vervolgens naar boven.
Wit wil de score maximaliseren. Zwart wil het minimaliseren. De computer kiest het pad dat naar de hoogste score voor wit leidt, ervan uitgaande dat zwart optimaal speelt om deze te verlagen.
Deze logica schaalt. Omhoog. En omhoog. Totdat de boom te groot is om te berekenen. Vervolgens wordt gebruik gemaakt van heuristieken. Maar hier? Het is pure berekening.
Er wordt van uitgegaan dat zwart de slechtst mogelijke positie voor wit zal kiezen. Er is het minimum nodig.
Vervolgens pakt hij het maximum van de drie bovenste getallen: 7. Dat is de zet die de computer maakt.
Zodra zwart reageert, begint de hele lus opnieuw. Er ontstaat een nieuwe boom. Alle bestuursfuncties worden opnieuw geëvalueerd. De machine berekent de volgende stap.
Dit is het minimax-algoritme. Het wisselt tussen maxima en minima terwijl het in de beslissingsboom klimt.
Alfa-bèta-snoei versnelt de zaken. Hij draait ongeveer twee keer zo snel. Het gebruikt veel minder geheugen.
Het proces is volledig mechanisch. Er is hier geen sprake van. Gewoon een brute-force berekening. Een evaluatiefunctie wordt toegepast op elke mogelijke positie in een boom met een bepaalde diepte.
Het werkt goed. Op een computer die snel genoeg is, kijkt het algoritme ver vooruit. Het speelt een heel goed spel.
Voeg leertechnieken toe. Pas de evaluatiefunctie aan op basis van eerdere games. De machine verbetert in de loop van de tijd.
Maar onthoud dit. Het lijkt in niets op het menselijk denken.
Als we eindelijk begrijpen hoe het menselijk denken werkt en een computer bouwen die deze schaaktechnieken gebruikt, zullen we echt iets op het spoor zijn.
De kracht van moderne schaakengines
Elk AI-aangedreven schaaksysteem is afhankelijk van een krachtige motor.
Deze motor combineert zoekalgoritmen. Het maakt gebruik van evaluatiefuncties. In geavanceerde gevallen wordt machine learning gebruikt.
Schaakmachines zijn nu de ultieme spelers. Ze presteren consequent beter dan zelfs de beste menselijke grootmeesters.
Of het nu gaat om brute force-berekeningen of adaptief leren, AI heeft het landschap veranderd. Het is een onmisbaar hulpmiddel voor spelers die games willen analyseren en strategieën willen verbeteren.
We hebben dit artikel bijgewerkt in combinatie met AI-technologie en er vervolgens voor gezorgd dat het op feiten werd gecontroleerd en bewerkt door een HowStuffWorks-editor.
