ChatGPT şahmatda keçən əsrin kompüter proqramına uduzub

     Retro oyun konsolu Atari 2600 tezliklə 50 illiyini qeyd edəcək. Bu konsolda o dövr üçün texnoloji sıçrayış hesab olunan şahmat proqramı quraşdırılmışdı - insanlar onun vasitəsilə kompüterə qarşı şahmat oynaya bilirdilər. ChatGPT bu gün artıq bütöv dissertasiyalar yaza və korporativ mühasibatlıq vəzifələrini yerinə yetirə bilsə də, maraqlıdır ki, o, şahmatda olduqca zəif performans göstərir. Bir müddət əvvəl GPT-4o modeli əsasında işləyən ChatGPT, Atari 2600 konsolundakı şahmat proqramına məğlub olub. Qeyd edək ki, bu köhnə şahmat proqramı əslində çox mürəkkəb deyil. O öz gedişlərini maksimum 1-2 addım öncədən planlaşdırır. Atari 2600 cəmi 1.19 MHz hesablama gücünə malik 8 bit-lik çip üzərində işləyir. Müqayisə üçün qeyd etmək lazımdır ki, müasir smartfonların prosessorları bununla müqayisədə milyonlarla dəfə daha güclüdür.

     Buna baxmayaraq, OpenAI-nin süni zəka modeli olan GPT-4o - ChatGPT və Microsoft Copilot-un əsasını təşkil edən sistem - iyun ayında Atari 2600 konsolundakı şahmat proqramına qarşı bir neçə partiyada məğlub olub. Təcrübəni proqram təminatı sahəsində fəaliyyət göstərən Citrix şirkətinin texniki mütəxəssisi Robert Caruso həyata keçirib. Əvvəlcə ChatGPT öz uğursuzluğunu şahmat simvollarından istifadə ilə izah edib. Süni zəkanın fikrincə, təsvirlər çox abstrakt idi. Daha sonra Caruso bu simvolları süni zəka üçün sadələşdirib. Lakin bu dəyişiklik də nəticəni yaxşılaşdırmayıb. Caruso-nun LinkedIn-də paylaşdığı təcrübə yazısında qeyd olunur: “ChatGPT o qədər səhv etdi ki, onu üçüncü sinif şahmat klubunda belə ələ salardılar”.

     Bu uğursuzluq diqqətçəkicidir, çünki şahmat süni zəka tarixində mühüm mərhələ hesab olunur. Hələ 1997-ci ildə IBM-in Deep Blue adlı superkompüteri o dövrün dünya çempionunu məğlub etmişdi - halbuki onun hesablama gücü bu günki sistemlərlə müqayisədə qat-qat aşağı idi. Mövcud süni zəka modelləri taktiki manevrləri tanımaqda çətinlik çəkir və lövhədə baş verənləri asanlıqla nəzarətdən qaçırırlar. Bəzən hətta icazə verilən gedişləri belə tanımaqda çətinlik çəkirlər. GPT-4o modelindən əlavə, LLaMA 3 və 4, Google Gemini 1.5 və GPT-4 kimi digər modellər də test edilib.

     Bu çatışmazlıqlar bilik azlığından qaynaqlanmır: böyük dil modelləri (LLM) şahmatla bağlı geniş biliklər əsasında öyrədilib. Onlar nəzəriyyələri izah edə, tarixi oyunları təhlil edə və qaydaları ətraflı şəkildə izah edə bilirlər. Lakin bu biliklərin praktikada tətbiqi tamamilə fərqli məsələdir. Görünən odur ki, LLM öyrədilərkən şahmat oynamaq üçün deyil, mətn yaratmaq və ehtimalları hesablamaq üçün optimallaşdırılır. Bu da onların şahmatdakı davranışına təsir edir. Onların gedişləri real vəziyyət anlayışına deyil, statistik ehtimallara əsaslanır. Tamamilə fərqli vəziyyət isə Stockfish və AlphaZero kimi ixtisaslaşmış süni zəka sistemlərində müşahidə olunur. Bu sistemlər gediş ardıcıllıqlarını dəqiq hesablayır, milyonlarla oyun əsasında öyrənir və daim öz oyun güclərini təkmilləşdirirlər. Nəticə etibarilə, hər bir modelin öz güclü tərəfləri var. Bu, onların hansı tapşırıqlar üçün öyrədildiyindən asılıdır.