ИИ в шахматах и го: как нейросети стали сильнее людей

Первый матч Каспаров и Deep Blue сыграли в феврале 1996 года в Филадельфии. Машина выиграла первую партию, это была первая победа компьютера над действующим чемпионом мира при обычном контроле времени. Матч Каспаров все равно выиграл со счетом 4 на 2.

Матч-реванш прошел в мае 1997 года в Нью-Йорке. Каспаров выиграл первую партию, Deep Blue вторую, три партии закончились вничью, а шестую выиграла машина. Итог 3,5 на 2,5: впервые компьютер выиграл у действующего чемпиона мира матч при турнирном контроле времени.

Deep Blue не учился, как современные нейросети. Он перебирал 200 млн позиций в секунду на 32 параллельных процессорах и оценивал их по правилам, которые составили люди вместе с гроссмейстерами. Сила шла от скорости перебора. Термин разобран в словаре: Deep Blue.

Го долго считали недоступной для машин: вариантов в игре так много, что перебор, который сработал в шахматах, здесь не помогает. Программе нужна интуиция, то есть умение оценить позицию без полного расчета.

В октябре 2015 года AlphaGo от DeepMind обыграла трехкратного чемпиона Европы Фань Хуэя со счетом 5 на 0. Это был первый в истории матч системы ИИ с профессионалом го.

В марте 2016 года в Сеуле AlphaGo выиграла у Ли Седоля, обладателя 18 мировых титулов, со счетом 4 на 1. По данным DeepMind, матч посмотрели больше 200 млн человек по всему миру.

AlphaGo соединила две нейросети с поиском: одна предлагает перспективные ходы, другая оценивает позицию, а поиск проверяет варианты. Термин разобран в словаре: AlphaGo.

AlphaZero пошла дальше: ей дали только правила игры, без партий людей и без подсказок гроссмейстеров. Сеть начинала со случайных ходов и играла миллионы партий сама с собой, а каждая партия чуть-чуть меняла ее оценку позиций.

Полную оценку AlphaZero опубликовали в журнале Science, а 6 декабря 2018 года вышел подробный обзор в блоге DeepMind. В шахматах AlphaZero впервые обошла Stockfish того времени через 4 часа обучения, все обучение заняло около 9 часов.

В матче из 1000 партий против Stockfish AlphaZero выиграла 155 партий и проиграла 6. Тот же алгоритм с теми же настройками научился играть в сеги и го.

Этот способ называется обучением с подкреплением: модель сама пробует, получает результат и меняет поведение. Термин разобран в словаре: обучение с подкреплением.

Stockfish открытый движок под GPLv3, его развивают добровольцы. Он соединил классический перебор с небольшой нейросетью NNUE, которая оценивает позицию и работает на обычном процессоре. В списке CCRL 40/15 от 9 октября 2026 года Stockfish 19 занимает первое место с рейтингом 3650 Эло.

Для шахматиста это значит, что анализ уровня чемпионата программ доступен бесплатно на домашнем компьютере: Stockfish скачивают с официального сайта и подключают к шахматной программе или онлайн-доске для разбора своих партий.

Leela Chess Zero повторила идею AlphaZero в открытом проекте: нейросеть учится, играя сама с собой, и рассчитана на видеокарту. 21 апреля 2020 года Leela выиграла суперфинал 17-го сезона чемпионата шахматных программ TCEC у Stockfish со счетом 52,5 на 47,5.

В том же списке CCRL 40/15, где движки играют на четырех процессорах без видеокарты, версия Lc0 0.28.0 имеет рейтинг 3443. Условия теста влияют на итог, поэтому силу движков сравнивают только внутри одного списка и при одном оборудовании.

Рейтинг CCRL считается по партиям программ между собой. С рейтингом ФИДЕ у людей эта шкала напрямую не сравнивается.

В го ту же роль играет KataGo: открытый код под MIT. По статье автора, методы KataGo сокращают объем вычислений в 50 раз по сравнению с похожими подходами, а программа превзошла финальную модель ELF за 19 дней на менее чем 30 видеокартах.

Первый урок: обучение на собственном опыте. AlphaZero не видела ни одной партии человека и все равно обыграла программу, которую люди настраивали годами. Наследники AlphaGo, по словам DeepMind, это AlphaZero, MuZero и AlphaDev, и они применяют тот же подход за пределами игр.

Второй урок: нейросеть плюс поиск. Сеть предлагает ходы и оценивает позицию, а поиск проверяет варианты на несколько шагов вперед. Та же схема работает в планировании маршрутов, расписаний и закупок, где нужно выбрать один вариант из тысяч по понятной цели: минимум пробега, затрат или простоя.

Третий урок: даже сильная модель имеет слепые зоны. В статье 2022-2023 годов исследователи нашли стратегию против KataGo на сверхчеловеческих настройках, которая выигрывает больше 97% партий. Эту стратегию эксперты го повторили сами, без помощи компьютера, и стабильно обыгрывали программу.

Для бизнеса из этого следует простое правило: модель, которая блестяще работает на тестах, нужно проверять на нестандартных случаях до того, как ей доверят деньги. Другие типы ИИ, кроме генерации текста и картинок, собраны на странице о видах ИИ, а термины в словаре ИИ.