חוקרי Google DeepMind פיתחו מערכת שח חדשנית מבוססת בינה מלאכותית שיכולה לשחק ברמה של גרנד מאסטר, מבלי להסתמך על טכניקות המסורתיות של חיפוש ומשחק עצמי. במקום זאת, המערכת הזו למדה מהנהגות של Stockfish, מנוע שח חזק ומעובד ידנית, על ידי ניתוח של 15 מיליארד מצבי לוח והנהגות המקבילות של Stockfish.

המודל התוצאתי הוא יעיל במיוחד, עם רק 270 מיליון פרמטרים, שזה כ-3,000 פעמים קטן מ-GPT-4. למרות גודלו הקטן, המודל יכול ליצור 20 הנהגות בשנייה במחשב אישי עם כרטיס גרפי של 200 דולר, או 2 הנהגות בשנייה על מעבד רגיל. ביצועים אלה טובים בהרבה מ-GPT-4 שגדול פי 3,000 כאשר מדובר בשח.

מעניין לציין שהמערכת פועלת על פי שתי הנחות יסוד עיקריות שעשויות להיראות בלתי אינטואיטיביות בהתחלה. ראשית, היא מקבלת רק מצב לוח יחיד כקלט, ולא רצף של מצבי לוח. שנית, היא מביטה רק צעד אחד קדימה ובוחרת את ההנהגה בעלת הסיכוי הגבוה ביותר לניצחון. הנחות אלה, שעשויות לא להוביל למנוע שח חזק ביותר, הן מכוונות, מכיוון שהמטרה העיקרית של עבודה זו אינה ליצור את בינת השח החזקה ביותר, אלא להוכיח שרשת עצבים מבוססת טרנספורמר יכולה ללמוד את המומחיות של אמן על ידי פשוט צפייה בפעולותיו.

הישג זה הוא משמעותי מכיוון שהוא מייצג צעד לקראת יצירת מערכות בינה מלאכותית שיכולות ללמוד לקרב אלגוריתמים, במקום רק לספק תשובות. החוקרים מקשרים זאת לעבודה הקודמת על מפרש התכנית העצבית, שנועדה ליצור בינה מלאכותית שיכולה ליצור תוכניות קריאות. באופן דומה, מערכת השח הזו יכולה לחשוף את האלגוריתם הבסיסי של משחק השח בתוך הרשת העצבים שלה, מה שעשוי להיות בעל השלכות רחבות יותר לפיתוח בינה מלאכותית שיכולה ליצור אלגוריתמים שימושיים למשימות כמו נהיגה אוטונומית, עקיבת קרני, ועוד.