Een neuraal netwerk blijkt in staat om razendsnel te leren schaken. De aanpak verschilt wezenlijk van de Deep Blue computer die in 1997 Garry Kasparov versloeg.

Ze blijven verbazen, de diepe neurale netwerken – beter bekend onder de naam deep learning. Na hun successen in beeld- en spraakherkenning, onder andere toegepast door Google, pakken ze nu het schaakspel aan. Het programma Giraffe, geschreven door afstudeerstudent Matthew Lai van het Imperial College in Londen, blijkt te kunnen schaken op het niveau van een Internationaal Meester. Dat is één treetje onder de hoogste titel die de wereldschaakbond FIDE uitdeelt, die van Internationaal Grootmeester.

Een neuraal netwerk is een computerimitatie van de manier waarop de menselijke hersenen werken. Een brein leert doordat de verbindingen tussen de hersencellen worden versterkt wanneer het brein merkt dat het iets interessants op het spoor is. Giraffe heeft op deze manier leren schaken.

Voorafgaand aan het leerproces had het programma alleen een ruw besef van de krachtsverhouding tussen de verschillende schaakstukken. Vervolgens kreeg het een set van 175 miljoen verschillende stellingen aangeboden, van waaruit het 12 zetten lang tegen zichzelf moest spelen. Door dat hele proces tienduizenden keren te herhalen, ontdekte het programma op welke stellingskenmerken het moet letten.

Programmacode

Bij bestaande schaakprogramma’s zijn die kenmerken juist met veel moeite handmatig ingebracht. Ze nemen vele duizenden regels programmacode in beslag en fabrikanten nemen Grootmeesters in dienst om te helpen ze precies goed te krijgen. Dan nog leidt dat tot een relatief ‘grove’ manier om een stelling te beoordelen. Dat de programma’s sterk spelen komt vooral doordat ze grote aantallen lange zettenreeksen uitwerken, met telkens aan het eind zo’n tamelijk grofmazige evaluatie.

Giraffe evalueert veel beter en hoeft daarom minder te rekenen. Het is in staat een zettenreeks af te kappen wanneer het de uitkomst als nagenoeg zeker beschouwt.

Weliswaar is Giraffe nog geen partij voor de sterkste commerciële programma’s, die ver boven het niveau van de menselijke wereldkampioen Magnus Carlsen spelen. Maar dat een student in staat was binnen een aantal maanden een programma van meestersterkte te schrijven, maakt deep learning in één klap tot een grote belofte op dit terrein. Volgens Lai lenen andere denkspellen, zoals dammen en go, zich voor dezelfde aanpak. (Timo Können)

Lees hier het artikel van Matthew Lai.