Forskarna på Google DeepMind har utvecklat ett nytt AI-baserat schacksystem som kan spela på nivå med en stormästare, utan att förlita sig på de traditionella teknikerna för sökning och självspel. I stället har detta system lärt sig av dragen från Stockfish, en kraftfull, handgjord schackmotor, genom att analysera 15 miljarder brädlägen och de motsvarande dragen som gjorts av Stockfish.

Den resulterande modellen är anmärkningsvärt effektiv, med endast 270 miljoner parametrar, vilket är cirka 3 000 gånger mindre än GPT-4. Trots sin ringa storlek kan modellen generera 20 drag per sekund på en persondator med ett grafikkort värt $200, eller 2 drag per sekund på en vanlig CPU. Denna prestanda är mycket bättre än den 3 000 gånger större GPT-4 när det gäller schack.

Intressant nog arbetar systemet under två nyckelantaganden som kan verka kontraintuitiva i första hand. För det första tar det endast ett enda brädläge som indata, snarare än en sekvens av brädlägen. För det andra tittar det endast ett drag framåt och väljer det drag med högst sannolikhet att vinna spelet. Dessa antaganden, som kanske inte leder till den kraftfullaste schackmotorn, är avsiktliga, eftersom det primära målet med detta arbete inte är att skapa den starkaste schack-AI:n, utan att visa att en transformer-baserad neuronnätsmodell kan lära sig expertisen hos en mästare genom att helt enkelt observera deras handlingar.