บรรณาธิการของ Downcodes ได้เรียนรู้ว่างานวิจัยล่าสุดของ DeepMind ใช้โมเดล Transformer ขนาดใหญ่พิเศษเพื่อให้บรรลุความก้าวหน้าที่ก้าวล้ำในด้านหมากรุก นักวิจัยได้สร้างชุดข้อมูล ChessBench ที่ประกอบด้วยบันทึกเกมของมนุษย์หลายสิบล้านรายการ และฝึกฝนโมเดล Transformer ที่มีพารามิเตอร์มากถึง 270 ล้านพารามิเตอร์ โดยมีเป้าหมายเพื่อสำรวจความสามารถในการแก้ไขปัญหาการวางแผนที่ซับซ้อน ผลการวิจัยนี้ได้รับความสนใจอย่างกว้างขวางจากชุมชน AI และเป็นแนวทางใหม่และเกณฑ์มาตรฐานสำหรับการวิจัยเกี่ยวกับความสามารถในการวางแผน AI
เมื่อเร็วๆ นี้รายงานของ DeepMind เกี่ยวกับการประยุกต์ใช้ Transformer ขนาดใหญ่พิเศษในสาขาหมากรุกได้กระตุ้นให้เกิดการอภิปรายอย่างกว้างขวางในชุมชน AI นักวิจัยใช้ชุดข้อมูลใหม่ที่เรียกว่า ChessBench เพื่อฝึกโมเดล Transformer ที่มีพารามิเตอร์มากถึง 270 ล้านพารามิเตอร์ เพื่อสำรวจความสามารถในการแก้ไขปัญหาการวางแผนที่ซับซ้อน เช่น หมากรุก
ชุดข้อมูล ChessBench ประกอบด้วยบันทึกเกมของมนุษย์ 10 ล้านชุดที่รวบรวมจากแพลตฟอร์ม Lichess และเกมหมากรุกได้รับการใส่คำอธิบายประกอบโดยใช้กลไกหมากรุกชั้นนำ Stockfish16 ซึ่งให้ข้อมูลมากถึง 15 พันล้านจุด รวมถึงอัตราการชนะและการเคลื่อนไหวที่ดีที่สุดของสถานะเกมหมากรุกแต่ละเกม และการประเมินมูลค่าความเคลื่อนไหวทางกฎหมายทั้งหมด
นักวิจัยใช้วิธีการเรียนรู้แบบมีผู้สอนเพื่อฝึกโมเดล Transformer เพื่อคาดการณ์มูลค่าของการเคลื่อนไหวทางกฎหมายแต่ละครั้งในสถานะเกมที่กำหนด ผลการทดลองแสดงให้เห็นว่าแม้จะไม่ใช้อัลกอริธึมการค้นหาที่ชัดเจน โมเดลที่ใหญ่ที่สุดก็สามารถทำนายได้อย่างแม่นยำในสถานะเกมหมากรุกใหม่ ซึ่งแสดงให้เห็นถึงความสามารถในการวางนัยทั่วไปที่แข็งแกร่ง
น่าแปลกที่เมื่อแบบจำลองเล่นหมากรุกเร็วกับผู้เล่นที่เป็นมนุษย์บนแพลตฟอร์ม Lichess โมเดลดังกล่าวได้รับคะแนน Elo ที่ 2895 ซึ่งถึงระดับเชี่ยวชาญหมากรุก
นักวิจัยยังเปรียบเทียบแบบจำลองกับกลไกหมากรุกที่ได้รับการฝึกอบรมเกี่ยวกับการเรียนรู้แบบเสริมกำลังและการเล่นด้วยตนเอง เช่น Leela Chess Zero และ AlphaZero ผลลัพธ์แสดงให้เห็นว่าแม้ว่าอัลกอริธึมการค้นหา Stockfish เวอร์ชันโดยประมาณจะสามารถปรับแต่งให้เป็นโมเดล Transformer ผ่านการเรียนรู้แบบมีผู้สอนได้ แต่ก็ยังมีความท้าทายในการบรรลุการปรับแต่งที่สมบูรณ์แบบ
การวิจัยนี้แสดงให้เห็นว่าโมเดล Transformer ขนาดใหญ่พิเศษมีศักยภาพที่ดีในการแก้ไขปัญหาการวางแผนที่ซับซ้อน และยังให้แนวคิดใหม่ๆ สำหรับการพัฒนาอัลกอริทึม AI ในอนาคต การเปิดตัวชุดข้อมูล ChessBench จะเป็นแพลตฟอร์มมาตรฐานใหม่สำหรับนักวิจัยในการสำรวจความสามารถในการวางแผน AI
ผลการวิจัยของ DeepMind ไม่เพียงแต่แสดงให้เห็นถึงพลังของโมเดล Transformer ในสาขาหมากรุกเท่านั้น แต่ยังให้ข้อมูลอ้างอิงที่สำคัญสำหรับแอปพลิเคชัน AI ในอนาคตในสาขาที่ซับซ้อนมากขึ้นอีกด้วย นี่เป็นอีกก้าวสำคัญสำหรับ AI ในด้านเกมกลยุทธ์ที่ซับซ้อนและสมควรได้รับความสนใจอย่างต่อเนื่อง