ساخت ربات شطرنج شبیه به انسان پس از ۱۰ ماه تلاش فنی

بازی کردن با موتورهای قدرتمند شطرنج مانند Stockfish شباهتی به رقابت با یک انسان واقعی ندارد. موتورهای سنتی با عمق محاسبه بالا بازی می‌کنند و خطاهای انسانی را به‌درستی بازسازی نمی‌کنند. مدل‌های پیشین شبیه‌ساز انسان مانند Allie 2.0 و Maia-3 نیز نقایصی داشتند؛ برای مثال Maia-3 زمان‌سنجی انسان را در نظر نمی‌گرفت یا در ریتینگ‌های پایین بازی بسیار قوی‌تری ارائه می‌داد. برای حل این چالش‌ها، یک توسعه‌دهنده طی ۱۰ ماه مدل Chessbook-1 را از صفر ساخت تا به عنوان حریفی طبیعی در پلتفرم Chessbook عمل کند.

جزئیات فنی و معماری مدل

این پروژه کاملاً با زبان برنامه‌نویسی Rust و بر پایه فریم‌ورک Burn پیاده‌سازی شده است. تیم توسعه حتی یک بک‌اند CUDA اختصاصی برای آموزش چند GPU توسعه دادند تا سرعت و صحت پردازش‌ها تضمین شود.

• ورودی‌ها (Inputs): تخته شطرنج به شکل ۶۴ توکن مربعی دریافت می‌شود که ویژگی‌هایی نظیر مهره‌ها، مهاجمان و مدافعان، تحرک، حقوق قلعه‌رفتن و تاریخچه‌ای از حرکات پیشین را شامل می‌شود.
• بردارهای سراسری (Global Vector): ریتینگ بازیکنان، شماره حرکت، متریال و یک بلوک زمانی شامل لاگ‌بین‌های زمان سنج (Clocks) و اینکرمنت به مدل تزریق می‌شوند.
• ترانک (Trunk): شامل ۱۸ بلوک ترنسفورمر (Transformer) پیش‌نرمال‌شده، عرض ۷۶۸ و ۱۲ هد توجه (Attention Heads) با معماری SwiGLU است. نکته کلیدی در اینجا استفاده از شرطی‌سازی FiLM روی لایه‌های RMSNorm است تا ریتینگ و زمان، به‌جای الحاق ساده، کل لایه‌ها را تحت تأثیر قرار دهند.

مقایسه عملکرد و رفتار شبیه‌ساز

برای ارزیابی کیفیت، مدل‌ها روی دیتاست‌های استخراج‌شده از بازی‌های Lichess آزمایش شدند. مدل Chessbook-1 توانست در چندین حوزه کلیدی مزیت‌های رقابتی خود را نشان دهد:

• مدیریت زمان و بحران‌های زمانی (Time Scrambles): برخلاف مدل‌هایی که ساعت بازی را نادیده می‌گیرند، این ربات می‌داند که انسان‌ها در زمان کم، سریع‌تر و با خطای بیشتری بازی می‌کنند و توزیع حرکات خود را با شرایط ساعت تطبیق می‌دهد.
• پیش‌بینی زمان تفکر: ربات نه‌تنها حرکت بعدی بلکه زمان مورد نیاز برای آن را پیش‌بینی می‌کند. زمان تفکر محاسبه‌شده با الگوهای انسانی هم‌خوان است؛ حرکات بدیهی سریع انجام می‌شوند و تصمیمات پیچیده زمان می‌برند.
• کالیبراسیون دقیق ریتینگ: در ریتینگ‌های بالا، مدل‌هایی مثل Maia-3 و Allie 2.0 دچار افت عملکرد و افزایش نرخ خطا می‌شوند، اما Chessbook-1 نرخ خطای بازیکنان انسانی را در سطوح مختلف ریتینگ با دقت بالایی تقلید می‌کند.

دیدگاه جامعه هکرنیوز

در بحث‌های هکرنیوز، برخی کاربران به نکات جالبی درباره اهمیت حفظ سبک بازی منسجم و خطاهای واقع‌گرایانه اشاره کردند. با این حال، برخی کاربران نیز گزارش دادند که ربات گاهی در ریتینگ‌های خاص مرتکب خطاهای عجیبی می‌شود که شاید در بازی واقعی کمتر دیده شود، اما در مجموع تلاش برای مدل‌سازی رفتارهای غريزی و غیرمحاسباتی انسان در شطرنج تحسین شد.