Токму ова ривалство е одлична основа за дебатата – колку креативноста и знаењето на човекот може да биде надминато од компјутерите? Каспаров има доста коментари на оваа тема и во неколку наврати ја истакнува креативноста на човечкиот ум како предност, но истовремено ќе рече дека и „најдисциплираниот човечки ум може да застрани во жарот на борбата“.

Битката на човекот и компјутерот во шахот е нешто што очигледно беше предмет на интерес на истражувачите уште пред неколку децении. А она што започна со Deep Blue, продолжи со други обиди, меѓу кои е и компјутерската програма AlphaZero создадена во 2017 година која од нула преку континуирано учење самата научи како врвно да перформира во шах. Пристапот на креаторите бил програмата да учи сама од себе, од своите игри, наместо од игри одиграни од луѓе.

(Гари Каспаров)

AlphaZero има поинаков пристап во учење на играта. Наједноставно објаснето, правилата што веќе постојат ги има заменето со длабоки невронски мрежи и алгоритми кои не знаат ништо за играта освен основните правила. За да ја научи секоја игра/потег нетренирана невронска мрежа игра милиони игри преку процес на обиди и грешки. На овој начин ги учи паметните потези со цел да може да влече подобри потези во иднина. Со појавата на AlphaZero и актуелноста на невронските мрежи, се смени начинот на разбирање на потезите во шахот како и принципот на правење на една програма за шах. Има многу компоненти кои ја сочинуваат оваа програма, но 3 од нив се најбитни:

• Модел за евалуација на дадена позиција
• Модел за генерирање на потег
• Алгоритам за бирање на најдобриот потег за дадената позиција

Моделите користат невронски мрежи во позадина кои што се тренирани врз база на метод наречен Reinforcement Learning (учење преку награда) каде што за секој добар потег моделот добива награда што е позитивен број, додека за секој лош потег добива казна т.е. негативен број. Крајната цел е моделот да прави потези каде што ќе добие најголема награда. Но, дефинирањето на наградата или казната е еден од најтешките предизвици при користење на Reinforcement Learning како метод. Исто така доста битно е како една позиција во шахот е дефинирана, каде што и при мала нејаснотија во дефинирањето на една позиција може драстично да смени како еден модел прави потези и ја евалуира позицијата. Генерираните потези заедно со евалуацијата за дадена позиција се внесуваат во посебен алгоритам кој што го дава најдобриот потег.

AlphaZero има поинаков пристап во учење на играта. Наједноставно објаснето, правилата што веќе постојат ги има заменето со длабоки невронски мрежи и алгоритми кои не знаат ништо за играта освен основните правила. За да ја научи секоја игра/потег нетренирана невронска мрежа игра милиони игри преку процес на обиди и грешки. На овој начин ги учи паметните потези со цел да може да влече подобри потези во иднина. Со појавата на AlphaZero и актуелноста на невронските мрежи, се смени начинот на разбирање на потезите во шахот како и принципот на правење на една програма за шах. Има многу компоненти кои ја сочинуваат оваа програма, но 3 од нив се најбитни:

• Модел за евалуација на дадена позиција
• Модел за генерирање на потег
• Алгоритам за бирање на најдобриот потег за дадената позиција

Моделите користат невронски мрежи во позадина кои што се тренирани врз база на метод наречен Reinforcement Learning (учење преку награда) каде што за секој добар потег моделот добива награда што е позитивен број, додека за секој лош потег добива казна т.е. негативен број. Крајната цел е моделот да прави потези каде што ќе добие најголема награда. Но, дефинирањето на наградата или казната е еден од најтешките предизвици при користење на Reinforcement Learning како метод. Исто така доста битно е како една позиција во шахот е дефинирана, каде што и при мала нејаснотија во дефинирањето на една позиција може драстично да смени како еден модел прави потези и ја евалуира позицијата. Генерираните потези заедно со евалуацијата за дадена позиција се внесуваат во посебен алгоритам кој што го дава најдобриот потег.