Mākslīgie neironu tīkli datorprogrammās
Kā redzams esošajā pasaules čempionātā datorprogrammām 100 lauciņos, tad vadībā ir izvirzījusies programma Damage. Ta ir būvēta uz mākslīgo neironu tīklu pamata. Ideja galvenokārt balstās uz to, ka programma negrib zaudēt, bet uzvarēt. Tā izmanto jebkādus līdzekļus, tikai lai izdzīvotu, gluži kā dzīvs organisms. Atšķirībā no citam programmām, kurās ir ievadītas miljoniem datubāzes ar dambretes atklātnēm un galotnēm, tad šajā programmā nekas nav. Ja parastā programma aprēķina vairākus miljonus variantus sekundē, simulē gājiemus un pēc daudziem simulācijas gājieniem matemātiski salīdzina pozīcijas, tad neirālo tīklu bāzētā programma tikai desmitus tūkstošus. Viņa rēķina tikai ticamākos variantus, pārējos atmet kā nederīgus. Neironu tīklu gadījumā programmu iemāca atpazīt “pareizo gàjienu”, redzot pirms tam ļoti daudz partijas un pozīcijas, tā ka zinot konkrētās pozīcijās dažādu gājienu rezultātus, tiek atpazīts, ka arī šajā pozīcijā tas būs labs gājiens. Pie tam šie gājieni ir bieži nepierasti. Piemēram, pēc 1.34-29 17-21 var sekot 2.24-29. Šāds variants ir iespējams un spēlēts tikai vienreiz pasaules čempionātos tālajā 1960.gadā.
Par pamatu tika ņemta programma AlphaGo , kuru izstrādāja 2017.gadā. To izmantoja šahā, go un šogi (japāņu šahs). Šī programma pārliecinoši uzvarēja visas spēcīgākās tolaik datorprogrammas.
Šī programma atškirās ar to, ka šo programmu nepieciešams pirms spēlēm vairākas stundas uztrenēt ar kādu ļoti spēcīgu datorprogrammu. Šī programma analizē pretinieku, gājienus un vienīgais šīs programmas mērķis ir izdzīvot un nezaudēt. Un to viņa dara labi. Kā parāda Damage piemērs, tad pārliecinošs līderis. Tā izmanto mākslīgos neironu tīklus.
Kā 2020.gada novembrī forumā Damage programmas autors Bert Tuyt rakstīja:
Rein, thanks.
In the meantime I also started experimenting with NNUE and the checkers-code.So far I was able to implement the checkers NNUE source-code in my Engine (Damage 15.3).
I used an input vector with 191 elements (2 * 45 white/black man, 2 * 50 white/black king and side to move).
I also succeeded to generate a weights-file with the Python script and TensorFlow, based upon my large set of games.As usual I have introduced some bugs, but expect in 1 – 2 weeks to have all working.
Assume you also work under the radar screen on NNUE and TensorFlow.No clue yet about performance.
My gutfeel is that the Scan patterns are still superior, and that the drop in Nodes/seconds will be to big.Bert
Vispirms šos mākslīgos neirālos tīklus no dambretes programmām sāka izmantot čekera dambretes programmās, bet tagad arī 100 lauciņu dambretes programmās.
Tas pavērs pilnīgi citu attīstību 100 lauciņu dambretes teorijas attīstībā un droši vien tiks apgāzti daudzi līdz šim pieņemtie teorētiskie varianti.
Mākslīgais intelekts ir uz sliekšņa. Varbūt drīz tas kā vīruss iemājos datoros un ieprogrammēs tos izdzīvot par katru cenu.