Yapay Zeka Bizi Daha İyi Bir Oyuncu Yapabilir Mi?

“Quora” satranç grubunda gördüğüm bir soru ve cevabı üzerine bir süre düşündükten sonra bu blog yazısını yazmaya karar verdim. Soru şu şekildeydi :”How helpful is Fritz for getting better at chess for someone rated about 1400?”, yani “Yaklaşık 1400 kuvvet derecesinde olan bir kişinin satrançta daha iyi olabilmesi için Fritz nasıl yardımcı olabilir?”

Bu soruyu sadece Satranç için değil, artık Go oyunu için de kendimize sorabileceğimizi düşünüyorum. Zira, yapay zeka botları hem go sunucularında, hem de kişisel bilgisayar ya da cep telefonlarımızda ulaşılabilir ve fazlasıyla tatminkar bir seviyeye ulaştı. Google’ın girişimi olan AlphaGo’nun dünyanın en güçlü oyuncularını tek tek yendiği maçları hepimiz dün gibi hatırlıyoruz. Günümüzde bir yapay zekanın güçlü oyuncuları yenmesi artık insanlarda şaşkınlık yaratmıyor, hatta tersi gerçekleştiğinde oturup bunun nasılını inceler duruma geldik. Hatta böyle bir güçlü yapay zekaya milyon dolarlık yatırım ve imkanlarla değil, LeelaGo gibi açık kaynak kodlu yapay zeka uygulamasını kişisel bilgisayarımıza indirerek, iyi bir grafik kartıyla (yüksek gpu) yine pro seviyesinde oyunlar oynayabiliyor, analizler yapabiliyoruz.

Peki şimdi tekrar soralım : yapay zeka bizi daha güçlü bir oyuncu yapabilir mi?

LeelaZero Analiz

Cevap : Hayır. Herkes için değil.

Quaro’daki yazıda da belirtildiği gibi, ana mesele aslında kendi aklınızı kullanmıyor olmanızdır. Yapay zeka size sadece olası hamleleri ve bir takım sayıları (kazanma yüzdeleri/playouts) verir. Ama bu hamlelerin sebeplerini, altında yatan stratejik unsurları açıklamaz. Bu da sizin oyun ile ilgili anlayışınızı doğal olarak geliştirmeyecektir.

Öte yandan, klasik usta/çırak yönteminde önce oyun oynanır (genellikle handikaplı). Bu aslında yapay zeka ile oynadığınız oyundan farksızdır. Oyundan sonra usta, oyunun analizini yapar. Çırağa oyunda yaptığı hataları ve oynayabileceği alternatif hamleleri gösterir. Hamlelerin altında yatan stratejik prensipleri açıklar, o pozisyonla ilişkisini ve belki bu prensibin başka hangi pozisyonlarda da geçerli olacağını anlatır. Bu yöntem ile çırağın kafasında birşeyler uyanır, sonrasında oynayacağı oyunlar ve kendi çalışmalarıyla bu anlayışı geliştirir.
 Halbuki yapay zeka tarafından gösterilen hamleler, her ne kadar doğruya yakın hamleler olsa bile, bize bir şey açıklamaz. Belki bizde sadece bir “wow” duygusu uyandırır, ama oyunu okuyabilecek seviyede olmayan bir oyuncu için anlayışa götürmez. Daha teknik bir ifadeyle buradaki data(veri), bilgiye ve bunun ötesi anlayışa dönüşmediği için, bir önceki oyunda gördüğümüz hamleyi bilinçli olarak tekrarlayamayız, biraz daha değiştirerek/yorum katarak kazançlı durumlar yaratamayız.

Yukarıdaki paragrafta belirtilen bir istisna dikkatinizi çekmiş olmalı : oyunu okuyabilecek seviyede bir oyuncu (belki 5.dan ve üstü) yapay zekanın sunduğu bu veriden kendi analizi sayesinde bilgi aşamasına geçebilir. Zira pro oyuncuların, alphago hamlesi diye tabir edilen hamleleri kullanmaya başladıklarını ve hatta bunu geliştirdiklerini oynadıkları oyunlarda sıklıkla görmeye başladık.

Yazımı bitirirken, son olarak Quaro’da önerilen çalışma yöntemini burada da belirtmek istiyorum. Bence aynı sıra go çalışmalarımızda da uygulanabilir :

  • Kendi oyunlarınızı yapay zeka olmadan kendini kendinize analiz edin.
  • Satranç (Go) ile ilgili kitaplar okuyun.
  • Canlı oyunlar (insanlarla) oynayın.
  • Bilgisayar ile pratik yapın.
  • Klasik oyunları analiz edin.

Özellikle şu tavsiyenin altını çizmek gerekiyor : To analyze positions (and openings) on the board, without the engines. yani makine yardımı olmadan pozisyonları(açılış) tahta üzerinde analiz etmek.

Oyun analizleri dışında go problemleri üzerinde çalışmak da herhangi bir pozisyonda ezbercilikten kaçınarak, kendi anlayışımızı geliştirmemizi sağlar. Bence bu çalışmayı da “kendi oyunlarınızı analiz edin” önerisiyle paralel düşünebiliriz.

Sırada ne var? Şimdi sevdiğiniz bir go sunucusunu açın ve gerçek bir kişiyle öncelikle içten selamlaşarak bir oyun oynayın, birbirinize iyi oyunlar dileyin…


Originally published at Go Akademy.