كيف طورت Duolingo ذكاءً اصطناعياً بشرياً لإحداث ثورة في مراجعة ألعاب الشطرنج

يعرف لاعبو الشطرنج جيداً ذلك الإحباط الذي يصيبهم بعد انتهاء المباراة، حين يغمرهم محرك التحليل بقوائم معقدة من الأخطاء الدقيقة وحسابات التقييم الرقمية غير المفهومة. ولحل أزمة "شلل التحليل" هذه، تعتمد ميزة مراجعة ألعاب الشطرنج (Chess Game Review) الجديدة من شركة Duolingo على شبكات عصبية تحاكي التفكير البشري لتسليط الضوء على النقلات الحاسمة فقط. وبدلاً من إغراق المتعلمين بالبيانات الخام، صُمم النظام ليثبت للاعبين أنهم ليسوا بحاجة للعب بمثالية مطلقة، بل يكفي أن يتفوقوا على خصومهم.

وخلف هذه الواجهة المبسطة، تكمن شبكة معقدة من تحديات التعلم الآلي. فقد تعيّن على فريق التطوير إيجاد طريقة لتصفية مباراة مكونة من 40 نقلة واستخلاص لحظاتها المفصلية، مع التمييز بين الهفوات البسيطة والأخطاء الكارثية. والأهم من ذلك، كان عليهم تعليم محرك الشطرنج كيف يتعرف على النقلة العبقرية بعيون بشرية، وليس من منظور خوارزمية باردة تعتمد على الحسابات الرياضية البحتة.

يعتمد تقييم الشطرنج تقليدياً على نظام نقاط مادي صارم: نقطة واحدة للبيدق، وثلاث نقاط للحصان أو الفيل، وخمس للرخ، وتسع للوزير. ورغم أن نظام 1/3/5/9 يُعد اللغة العالمية للشطرنج، إلا أنه يفتقر للدقة اللازمة لتقييم الفروق الدقيقة بين النقلات القوية والضعيفة. ولحل هذه المشكلة، تستخدم المحركات التقليدية أجزاء البيادق (Centipawns)، والتي تمثل جزءاً من مائة من البيدق، لقياس القيمة الدقيقة المفقودة مع كل نقلة.

ومع ذلك، يعاني نظام أجزاء البيادق من قصور كبير عندما يتعلق الأمر باللعب البشري الفعلي. على سبيل المثال، إذا فوت لاعب سلسلة نقلات تؤدي إلى كش مات ولكنه لا يزال متفوقاً بوزير كامل، فقد يخفض المحرك درجة التقييم من قيمة افتراضية تبلغ 10,000 نقطة إلى 1,000 نقطة. بالنسبة للآلة، تُعد هذه خسارة حسابية فادحة، لكنها بالنسبة للإنسان ليست خطأً كارثياً لأن المباراة لا تزال محسومة لصالحه.

كما تفشل أجزاء البيادق في مراعاة مدى صعوبة الموقف على الرقعة. فإذا بادل لاعب وزيره برخ وبيدق لتبسيط الموقف وضمان الفوز في نهاية اللعب، سيصنف المحرك ذلك كخسارة هائلة في أجزاء البيادق. ولكن في الواقع، غالباً ما يكون هذا هو القرار العملي الأذكى الذي يمكن للإنسان اتخاذه لتجنب التعقيدات غير الضرورية.

لتقييم الأخطاء بدقة، تخلت شركة Duolingo عن نظام أجزاء البيادق واعتمدت مقياس الفوز والتعادل والخسارة (Win-Draw-Loss). يعتمد هذا المقياس، الذي اكتسب شهرته بفضل محرك AlphaZero، على شبكة عصبية لتقدير احتمالية الفوز أو التعادل أو الخسارة مباشرة من أي موقف على الرقعة. ويتعامل هذا النهج مع التقييمات غير المتكافئة تلقائياً، حيث يمنح المواقف الرابحة حتماً وسلاسل الكش مات الإجبارية درجة تقترب من 1.0.

وتعتمد المحركات الحديثة مثل محرك Stockfish NNUE الآن بشكل كبير على هذا المفهوم، مستخدمة الشبكات العصبية لتوجيه تقييماتها. ويتم حساب التحويل بين قيمة أجزاء البيادق التقليدية ودرجة مقياس الفوز والتعادل والخسارة المتوقعة باستخدام منحنى سيني. والأهم من ذلك، يمكن تعديل هذا التحويل بناءً على تصنيف اللاعب.

فإذا كان لاعب بدرجة أستاذ كبير (Grandmaster) متفوقاً بفيل، فإن احتمالية فوزه تبلغ فعلياً 100 بالمائة. ولكن إذا كان المبتدئ يمتلك نفس التفوق المادي، فقد تظل احتمالية فوزه تحوم حول 50 بالمائة. ومن خلال تتبع التغيرات في المقياس المتوقع ومراعاة مستوى مهارة المستخدم، يمكن للنظام تحديد ما يشكل خطأً فادحاً حقيقياً لهذا اللاعب بالتحديد.

يتطلب تحديد النقلة العبقرية من المحرك البحث عن ألعاب قوية بشكل غير متوقع تفرض مشاكل عملية صعبة على الخصم. وتُصنف النقلة على أنها عبقرية إذا كانت احتمالية العثور على أي نقلة جيدة منخفضة للغاية، ومع ذلك ينجح المستخدم في إيجاد طريق الفوز. وغالباً ما يتضمن ذلك تضحيات مذهلة، ولكن ليس دائماً.

وقد راجع فريق التطوير مباريات تاريخية بارزة لضبط هذا النظام. وتشمل الأمثلة المباراة الشهيرة عام 1988 بين Veselin Topalov و Alexei Shirov، حيث كانت التضحية بفيل يبدو مجانياً هي الطريق الوحيد لتحقيق النصر. كما حللوا المواجهة التي جرت عام 2017 بين محرك AlphaZero ومحرك Stockfish 8، حيث أدت نقلة غير تضحوية بالوزير إلى شلل تام لأقوى محرك كلاسيكي في ذلك الوقت.

وكان المعيار الآخر هو المباراة السادسة في بطولة العالم لعام 1960 بين Mikhail Botvinnik و Mikhail Tal. فقد ضحى Tal بحصانه في هجوم تخميني جريء لم تفضله المحركات الحديثة في البداية، لكن التعقيد الهائل للموقف تسبب في انهيار Botvinnik. ويهدف نظام Duolingo إلى التعرف على هذه الأنواع من النقلات، حيث قد لا تكون اللعبة مثالية رياضياً، لكنها تسبب قفزة هائلة في احتمالية الفوز لأنها تخلق موقفاً معقداً يستحيل على الخصم البشري التعامل معه.

لتحقيق هذا التقييم المتمحور حول الإنسان، استعانت شركة Duolingo بالمطور Reid McIlroy-Young، المبتكر الرئيسي لسلسلة محركات Maia للشطرنج. وعلى عكس المحركات التقليدية المحسنة للعب المثالي، تم تدريب محرك Maia حصرياً على مباريات بشرية. وهدفه الأساسي هو التنبؤ باحتمالات النقلات البشرية، مما يجعله مناسباً بشكل فريد للأدوات التعليمية.

وتعتمد معظم المباريات التي تُلعب ضد الخصم الافتراضي Oscar في تطبيق Duolingo على عائلة من هذه الشبكات العصبية الشبيهة بالبشر. وتتم برمجة هذه النماذج وفقاً لقوة التصنيف، مما يسمح للنظام بتوليد احتمالات النقلات ومقاييس الفوز والتعادل والخسارة التي تعكس كيف يلعب الأشخاص الحقيقيون فعلياً في مستويات المهارة المختلفة.

يُعد دمج أنظمة الذكاء الاصطناعي الهجينة مجرد بداية لميزة مراجعة ألعاب الشطرنج في Duolingo. ويعمل فريق التطوير بنشاط على توسيع قدرات المدرب للتعامل مع سيناريوهات أكثر دقة. ومع تطور المنصة، يمكن للاعبين توقع العديد من الميزات التحليلية الجديدة:

• تقييم الضغط النفسي: سيقوم النظام قريباً بتحليل المنطقة الرمادية للنقلات التي تعتبر غير مثالية موضوعياً، ولكنها فعالة للغاية في إرباك خصم يعاني من ضيق الوقت.
• توسيع اللحظات التعليمية: ستسلط أداة المراجعة الضوء على النقلات التي لم تكن أخطاء فادحة تغير مجرى اللعبة، ولكنها لا تزال تقدم دروساً موضعية قيمة للمتعلم.
• ترقيات مستمرة للشبكة العصبية: سيسمح التدريب المستمر للنماذج القائمة على محرك Maia للمحرك بالتنبؤ بالأخطاء البشرية بشكل أفضل والتعرف على النقلات الجيدة عملياً التي تستغل علم النفس البشري.

يمثل دمج محرك Maia في ميزة مراجعة ألعاب الشطرنج من شركة Duolingo تحولاً جذرياً في كيفية تعليم الشطرنج عبر الإنترنت. فلعقود من الزمن، أُجبر اللاعبون على التعلم من محركات مثل Stockfish، التي تقيم المواقف بناءً على افتراض أن كلا اللاعبين سينفذان 20 نقلة من الدفاع الآلي الخالي من العيوب. وغالباً ما يؤدي هذا إلى حفظ المبتدئين لخطوط المحرك التي لا يفهمونها، بدلاً من تعلم كيفية التعامل مع المواقف البشرية الفوضوية على الرقعة.

ومن خلال استخدام شبكة عصبية مدربة خصيصاً على المباريات البشرية، تتعامل شركة Duolingo مع اللاعب كفاعل نفسي وليس كآلة حاسبة معيبة. ويُعد قرار تعديل مقياس الفوز والتعادل والخسارة بناءً على تصنيف Elo الخاص بالمستخدم خطوة ثورية بشكل خاص. فهو يعترف بحقيقة تتجاهلها المنصات التقليدية غالباً: الموقف المعقد والحاد الذي يُعتبر "رابحاً" لأستاذ كبير، غالباً ما يكون موقفاً خاسراً لمبتدئ بتصنيف 600 يفتقر إلى الرؤية التكتيكية للنجاة منه.

ويتحدى هذا النهج بشكل مباشر النماذج التربوية الراسخة التي تستخدمها الشركات العملاقة في الصناعة. فبينما تركز مراجعات الألعاب التقليدية على المعاقبة على الأخطاء الرياضية، يكافئ نظام Duolingo حل المشكلات العملي المتمحور حول الإنسان. وإذا استمر نموذج الذكاء الاصطناعي الهجين هذا في تحسين قدرته على قياس الضغط النفسي والارتباك الناتج عن ضيق الوقت، فقد يجعل التدريب الرياضي البحت للشطرنج أمراً عفا عليه الزمن بالنسبة للمتعلمين العاديين.