Skak og kunstig intelligens

Begyndelsen: dengang menneskene troede, de var uovertrufne

I årtier var skakspillere — herunder de største mestre — overbeviste om, at en maskine aldrig ville kunne slå den bedste menneskelige spiller. Overbevisningen skyldtes mindre en rationel analyse end en form for intellektuel stolthed: skak syntes at udgøre den form for intelligens par excellence, som maskiner aldrig ville kunne gentage — kreativitet, intuition, langsigtet overblik.

De første skakprogrammer i 1960'erne og 1970'erne bekræftede denne skepsis. Programmer som Mac Hack (1967) spillede mekanisk, på niveau med en gennemsnitlig klubspiller; først med Belle i begyndelsen af 1980'erne nåede en maskine mesterniveau. Stormestrene ignorerede dem med foragt.

Deep Blue: matchen, der ændrede historien

I 1997 præsenterer IBM Deep Blue, en supercomputer dedikeret til skak, der kan analysere 200 millioner stillinger i sekundet. Matchen mod Garry Kasparov, dengang regerende verdensmester og verdens nr. 1 i over ti år, præsenteres som den ultimative test af kunstig intelligens over for menneskelig intelligens.

• 1996 — Deep Blue I: Kasparov slår Deep Blue 4–2. Maskinen vinder et historisk parti (første gang en regerende mester taber til en computer under normale forhold), men Kasparov tilpasser sig og vinder matchen.
• Maj 1997 — Deep Blue II: Deep Blue, grundigt omkonfigureret, slår Kasparov 3,5–2,5. Parti 2 er kontroversielt: Deep Blue spiller et træk (36.axb5, idet den forsmåede materialegevinsten ved 36.Db6), som Kasparov anser for umuligt for en maskine i 1997. IBM afviste dengang at vise maskinens logfiler. Polemikken varer stadig ved.
• Efter 1997: IBM afmonterer straks Deep Blue og afviser en revanche. Historien vil aldrig blive afsluttet på en tilfredsstillende måde for Kasparov.

Efter Deep Blue: de kommercielle motorers tidsalder

I 2000'erne overgår de kommercielle skakmotorer (Fritz, Junior, Rybka) hurtigt enhver menneskelig spillers niveau. Vladimir Kramnik, verdensmester i 2006, taber en offentlig match mod Deep Fritz 4–2. I 2007–2008 når niveauforskellen mellem de bedste mennesker og de bedste motorer flere hundrede Elo-point.

Denne situation forvandler åbningsforberedelsen radikalt. Nu arbejder alle stormestre med motorer for at analysere åbninger og stillinger, opdage træk, som menneskelig intuition aldrig ville have fundet, og forberede specifikke varianter mod deres modstandere.

Stockfish: den open source-giganten

Stockfish er i dag verdens stærkeste skakmotor. Den bygger på alfa-beta-søgning og har siden 2020 integreret et evalueringsneuralt netværk (NNUE). Den har været open source siden skabelsen i 2008 og nyder godt af bidrag fra hundredvis af udviklere verden over. Dens estimerede Elo overstiger 3600, altså omkring 800 point over den bedste menneskelige spiller.

Stockfish har revolutioneret skakpraksis på højt niveau ved at give enhver spiller mulighed for fra en hvilken som helst almindelig computer at analysere sine partier i den kvalitet, som IBM i 1997 opnåede med millioner af dollars i infrastruktur. Demokratiseringen af analysen er total.

AlphaZero: forstærkningslæringens revolution

I 2017 offentliggør DeepMind (et Google-datterselskab) resultaterne af AlphaZero, et program af en radikalt anderledes natur end alle sine forgængere. Hvor Stockfish bygger på manuelt programmerede regler og encyklopædiske åbningstabeller, er AlphaZero et neuralt netværk, der har lært skak ved at spille mod sig selv i 9 timer, startende fra ingenting, kun med spillets regler.

Efter 9 timers selvlæring (det overgik allerede Stockfish efter 4 timer) slog AlphaZero Stockfish 28–0 (med 72 remiser) i en match over 100 partier. Dette forbløffende resultat udløste en chokbølge i skak- og AI-verdenen.

"Jeg må indrømme, at jeg var henrykt over at se, at AlphaZero havde en dynamisk og åben stil, ligesom min egen." — Garry Kasparov, tidsskriftet Science, december 2018

Hvad AlphaZeros stil lærer os

Analysen af AlphaZeros partier har dybt påvirket den moderne åbningsteori. Programmet udviklede positionelle idéer, som mennesker og klassiske motorer ikke havde fundet — især langsigtede bondeofre for at få initiativet og en ekstremt høj værdisætning af brikkernes mobilitet.

Flere idéer, som den klassiske teori anså for tvivlsomme, er blevet rehabiliteret af AlphaZero. Navnlig dens aggressive h-bondefremstød (h4-h5) i rolige stillinger er blevet efterlignet af verdens bedste spillere.

Leela Chess Zero: open source-AI'en

Leela Chess Zero (Lc0) er open source-modstykket til AlphaZero. Udviklet af open source-fællesskabet gengiver den den samme neurale netværksarkitektur og trænes på millioner af selvspillede partier. Dens niveau kan nu i mange stillinger måle sig med Stockfish.

Sameksistensen af disse to typer motorer er interessant: Stockfish og Lc0 har forskellige styrker afhængigt af stillingstypen, og deres vurderinger afviger undertiden betydeligt. Når de to er uenige, er det ofte i stillinger af ekstraordinær kompleksitet.

AI og snyd online

Motorernes fremkomst har også skabt et akut problem for onlineskak: computerassisteret snyd. På platforme som Chess.com eller Lichess analyserer detektionsalgoritmer mistænkelige partier og sammenligner de spillede træk med dem, motorerne anbefaler. Detektionen er statistisk robust, men aldrig 100 % sikker, hvilket skaber tilbagevendende kontroverser i skaksamfundet.

Niemann–Carlsen-sagen fra 2022 — hvor Magnus Carlsen forlod en turnering efter at have tabt til Hans Niemann og antydede snyd, før Chess.com offentliggjorde en kontroversiel rapport — er symbolet på disse spændinger. Snyd er fortsat den uløste udfordring i skakkens digitale tidsalder.

AI har dybt forvandlet åbningsteorien — for at forstå disse moderne åbninger kan du udforske det sicilianske forsvar og dronninggambit, som de analyseres i AlphaZero-æraen. Og for historien om den mand, der blev mest præget af denne revolution, kan du læse biografien om Garry Kasparov.