Nova IA de xadrez alcança o melhor desempenho humano sem sequer procurar o melhor movimento

Prévia do material em texto

1/3
Nova IA de xadrez alcança o melhor desempenho humano
sem sequer procurar o melhor movimento
O ex-campeão mundial de xadrez José Raúl Capablanca disse uma vez: “Vejo apenas um passo à
frente, mas é sempre o correto”. Capablanca, amplamente saudado como um dos maiores jogadores de
xadrez da história, estava definitivamente em algo. Além de uma camada saudável de bravata, acontece
que você pode jogar um bom xadrez sem realmente procurar vários movimentos. Pelo menos, se você é
um AI.
Durante décadas, o padrão-ouro no xadrez de computador foi sintetizado por motores como o Deep Blue
da IBM, que foi o famoso campeão mundial Garry Kasparov em 1997. Esses sistemas dependiam de
cálculos de força bruta, avaliando milhões de movimentos potenciais e seus resultados com a ajuda de
vastos bancos de dados e algoritmos complexos.
Não demorou muito para que os computadores se tornassem muito, muito melhores do que os humanos
no xadrez; hoje em dia, não é mais uma competição. Na verdade, os computadores são muito melhores
que os principais jogadores humanos confiam em seu julgamento e prática com base em avaliações e
recomendações de computador.
Então as IAs vieram e mostraram que há uma maneira diferente de fazer as coisas. Você não precisava
de cálculo de força bruta e poder bruto. É verdade que isso também ajuda, mas você pode usar jogos
existentes para obter o motor de xadrez para desenvolver uma espécie de intuição. Com isso, queremos
dizer que o algoritmo de xadrez (ou “motor”) “gosta” de certos movimentos, mesmo sem calcular seus
resultados até o fim.
Os pesquisadores não pararam por aqui e fizeram com que os motores de xadrez da IA aprendessem o
xadrez sem sequer serem ensinados as regras (ou oferecerem dados de jogos humanos). As IAs foram
deixadas para jogar um jogo de bajillion umas contra as outras e aprender o que podiam com isso.
Mesmo com essa abordagem, as IAs conseguiram alcançar o desempenho sobre-humano no xadrez.
Mas isto é diferente.
Um desvio de outros modelos
Os motores de xadrez tradicionais dependem de analisar profundamente os movimentos futuros
possíveis (pesquisa) e avaliá-los com heurísticas complexas para decidir sobre o melhor curso de ação.
O novo algoritmo, apresentado pelo Google DeepMind, adotou uma abordagem diferente. Aprendeu com
um vasto conjunto de dados de jogos históricos de xadrez anotados pelo motor Stockfish 16, um dos
programas de xadrez mais fortes do mundo.
https://www.zmescience.com/feature-post/pieces/best-chess-player-history-04032021/
https://www.zmescience.com/feature-post/pieces/best-chess-player-history-04032021/
https://www.zmescience.com/wp-content/uploads/2024/02/DALL%C2%B7E-2024-02-19-16.57.00-Create-an-image-showcasing-a-close-up-view-of-AlphaZeros-mind-at-work-conceptualized-as-a-digital-neural-network-overlaying-a-chessboard.-This-net.webp
https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov
https://www.zmescience.com/science/alphazero-ai-chess/
https://www.zmescience.com/science/alphazero-board-games-9246323/
https://www.zmescience.com/science/googles-muzero-chess-ai-reached-superhuman-performance-without-even-knowing-the-rules/
https://www.zmescience.com/research/technology/alphastar-starcraft-deep-mind-25012019/
2/3
O núcleo da inovação da DeepMind é um modelo de transformador, um tipo de rede neural que
revolucionou campos como o processamento de linguagem natural. Este modelo, com seus 270 milhões
de parâmetros, foi treinado em um conjunto de dados composto por 10 milhões de jogos de xadrez.
Notavelmente, essa IA alcançou uma classificação de desempenho equivalente a um desempenho de
Grandmaster. Os jogadores de xadrez obtêm rankings com base em seu desempenho, e o Grandmaster
é o mais alto (especificamente, a IA obteve uma classificação Elo de 2895 em xadrez de blitz, jogado
usando um controle de tempo mais curto).
No entanto, é essencial esclarecer que, embora a IA não empregue algoritmos de busca explícitos
durante seu processo de tomada de decisão, a própria rede neural executa inerentemente uma forma de
cálculo implícito avaliando o estado do conselho para prever o melhor movimento. Este processo é
fundamentalmente diferente da pesquisa explícita, passo-a-passo realizada pelos motores de xadrez
tradicionais, mas ainda envolve uma forma de cálculo em termos de processamento e interpretação dos
dados de entrada para chegar a uma decisão.
Por que isso importa
Isso é importante por duas razões. O primeiro é específico do xadrez: mostra que, ao contrário da
crença popular, você não precisa calcular muitos movimentos para ser um bom jogador. Sim,
Capablanca tinha razão.
O segundo é talvez mais impactante porque mostra uma nova maneira pela qual a IA é capaz de tomar
decisões.
O sucesso do modelo da DeepMind é uma prova do poder da escala no aprendizado de máquina. A
pesquisa destaca que a capacidade do modelo de jogar xadrez em um nível tão alto depende do grande
volume de dados em que foi treinado e da complexidade de sua arquitetura de rede neural. Essa
descoberta se alinha com uma tendência mais ampla na pesquisa de IA, onde conjuntos de dados
maiores e modelos mais sofisticados levaram a avanços em vários domínios, desde a compreensão da
linguagem até o reconhecimento de imagens.
Em essência, a pesquisa da DeepMind é uma ilustração vívida do potencial da IA para aprender e se
destacar em domínios complexos, confiando não em regras e estratégias codificadas, mas na
capacidade de discernir padrões e fazer previsões com base em grandes quantidades de dados.
Não se trata realmente de xadrez. Isso é mais sobre mostrar que, apesar de sua enorme popularidade,
ainda riscamos apenas a superfície do que a IA pode realmente fazer. Isso é emocionante e (se estamos
sendo honestos) um pouco assustador também.
O estudo foi publicado no arXiv.
Isso foi útil?
https://arxiv.org/pdf/2402.04494.pdf
3/3
0/400
Obrigado pelo seu feedback!
Posts relacionados
As etiquetas: AIXadrezsDeepMind (taminta)
https://www.zmescience.com/tag/ai/
https://www.zmescience.com/tag/chess/
https://www.zmescience.com/tag/deepmind/