Το JumpStar είναι η ισχυρότερη μηχανή AI για Κινέζικη ντάμα στον κόσμο
Η αρχή
Έφτιαξα το JumpStar για τη μαμά μου. Το έργο ξεκίνησε στις 15 Μαΐου 2026 στην Ιντιάνα, όταν βοηθούσα τους γονείς μου να μετακομίσουν από το σπίτι όπου μεγαλώσαμε. Πακετάροντας τα πράγματά τους, βρήκαμε το παλιό μας ταμπλό Κινέζικης ντάμας και αρχίσαμε να θυμόμαστε πόσο ωραία περνούσαμε παίζοντας όλοι μαζί.
Όταν ο αδερφός μου κι εγώ φύγαμε για το κολέγιο, η μαμά μου προσπάθησε να βρει εφαρμογές Κινέζικης ντάμας για iPhone ώστε να συνεχίσει να παίζει μόνη της, αλλά καμία δεν ήταν καλή. Με δεδομένες τις επιτυχίες του AlphaGo και του Stockfish, σκέφτηκα ότι σίγουρα θα υπήρχαν πολλές ισχυρές μηχανές AI ανοιχτού κώδικα για την Κινέζικη ντάμα - όμως δεν υπάρχουν. Παρά τη δημοτικότητα και την κομψότητά της, η Κινέζικη ντάμα είχε τραβήξει εκπληκτικά λίγη προσοχή από την κοινότητα της τεχνητής νοημοσύνης. Αυτό το κενό με οδήγησε να φτιάξω το JumpStar.
Στόχος μου ήταν να φτιάξω την πρώτη υπερανθρώπινη μηχανή AI για την Κινέζικη ντάμα. Ένας δυνατός αντίπαλος στον υπολογιστή θα επέτρεπε στη μαμά μου να συνεχίσει να παίζει ακόμη κι όταν ο αδερφός μου κι εγώ δεν ήμασταν κοντά. Μια υπερανθρώπινη μηχανή AI ίσως αποκαλύψει ακόμη και όμορφα νέα μοτίβα και στρατηγικές του παιχνιδιού που δεν ήταν ακόμη ευρέως γνωστά.
Γι' αυτό το έργο έγινε και δημόσιο. Μια ισχυρή ιδιωτική μηχανή είναι ενδιαφέρουσα, αλλά είναι δύσκολο για οποιονδήποτε άλλον να την αξιολογήσει ή να τη βελτιώσει. Το δημόσιο benchmark AI για την Κινέζικη ντάμα κάνει τη δουλειά ελέγξιμη: ένα σύνολο κανόνων, ένα πρωτόκολλο, μια σειρά θέσεων, μηχανές αναφοράς, αρχεία καταγραφής και ένα συγκεκριμένο μοντέλο JumpStar που μπορούν να προκαλέσουν άλλα συστήματα.
Γιατί το AI για Κινέζικη ντάμα έχει ενδιαφέρον
Πίσω από το σκάκι και το Go υπάρχουν δεκαετίες δημόσιας δουλειάς στην AI, με μηχανές, benchmark, λίστες βαθμολογίας και κοινά αρχεία παρτίδων. Η Κινέζικη ντάμα έχει ελάχιστα από αυτά, παρόλο που είναι ακριβώς το είδος παιχνιδιού που η AI μελετά καλά. Δεν υπάρχει κρυφή πληροφορία ούτε τύχη, και ο τρόπος νίκης είναι σαφής.
Επίσης, γίνεται γρήγορα περίπλοκο. Με τους κανόνες δύο παικτών του JumpStar υπάρχουν 14 επιτρεπτές πρώτες κινήσεις, 196 τρόποι να εξελιχθούν οι δύο πρώτες κινήσεις και 4.760 μέχρι την τρίτη. Αργότερα, οι αλυσίδες αλμάτων και οι γεμάτοι διάδρομοι κάνουν τις καλές κινήσεις πολύ πιο δύσκολο να φανούν απ' όσο δείχνουν οι κανόνες.
Τι είναι το JumpStar
Το JumpStar είναι μια μηχανή Κινέζικης ντάμας εκπαιδευμένη με αυτοπαιχνίδι (self-play), χτισμένη πάνω σε έναν συμπαγή πυρήνα κανόνων/αναζήτησης σε C++20, ένα νευρωνικό μοντέλο policy/value και αναζήτηση δέντρου Monte Carlo. Το ισχυρότερο δημόσιο checkpoint του, το JumpStar_60, είναι ο τρέχων πρωταθλητής του benchmark CCERL-2P10-v2. Κάθε μοντέλο JumpStar εκπαιδεύτηκε σε ένα MacBook M4 και όχι στα μεγάλα clusters GPU πίσω από τις διάσημες μηχανές σκακιού και Go.
Ο στόχος είναι υπεράνθρωπο παιχνίδι, και ο ισχυρισμός είναι φτιαγμένος για να ελεγχθεί. Με τους κανόνες δύο παικτών το JumpStar φαίνεται υπεράνθρωπο ή κοντά σε αυτό, και το CCERL επιτρέπει σε κάθε μελλοντική μηχανή να το αμφισβητήσει.
Το σύστημα
Το JumpStar είναι ολόκληρη μηχανή και benchmark, όχι απλώς ένα εκπαιδευμένο μοντέλο.
- Κανόνες και αναζήτηση. Ένα συμπαγές μοντέλο του ταμπλό των 121 τρυπών με αυστηρούς κανόνες δύο παικτών, γρήγορη παραγωγή κινήσεων για βήματα και αλυσίδες αλμάτων, και ένας εκτελεστής αγώνων. Οι κανόνες είναι σκόπιμα ρητοί, ώστε μια μηχανή να μην μπορεί να κερδίσει «κατασκηνώνοντας» σε ένα τρίγωνο ή εκμεταλλευόμενη μια ιδιορρυθμία του διαιτητή.
- Εκπαίδευση με αυτοπαιχνίδι. Το JumpStar παίζει με τον εαυτό του, και με αυτές τις παρτίδες εκπαιδεύεται ένα μοντέλο policy/value που καθοδηγεί τον επόμενο γύρο αναζήτησης. Το
JumpStar_60είναι ένα δίκτυο512x4που έχει περίπου10.36Mπαραμέτρους, εκπαιδευμένο σε1.8Mθέσεις που αναλύθηκαν ξανά. - Δημόσιο benchmark. Δεν υπήρχε δημόσια κατάταξη μηχανών για την Κινέζικη ντάμα, οπότε έφτιαξα το
CCERL-2P10-v2παράλληλα με το JumpStar. Ορίζει τους κανόνες, το πρωτόκολλο μηχανών, ένα σταθερό σύνολο αρχικών θέσεων, μηχανές αναφοράς και τον τρόπο υπολογισμού της βαθμολογίας, και δημοσιεύει κάθε αρχείο παρτίδας ώστε τα αποτελέσματα να μπορούν να ελεγχθούν.
Πώς παίζει το JumpStar Κινέζικη ντάμα
Το JumpStar συχνά δεν τρέχει απλώς μπροστά. Καθυστερεί τον αντίπαλο, κρατά στη θέση τους χρήσιμα πιόνια που μπλοκάρουν και χτίζει συμπαγή τριγωνικά σχήματα που δυσκολεύουν τα άλματα μέσα από το κέντρο του ταμπλό.
Επειδή τα πιόνια δεν αιχμαλωτίζονται ποτέ, ένας αμυντικός σχηματισμός μπορεί να κρατήσει για πολλούς γύρους. Μπορεί να κλείσει μια διαδρομή αλμάτων, να αναγκάσει τον αντίπαλο να κάνει κύκλο και να κερδίσει χρόνο ώστε τα πιόνια του JumpStar να φτάσουν στον στόχο.
Νικηφόρο μοτίβο ανοίγματος
| # | Παίκτης | Είδος |
|---|
Ο κύκλος αναζήτησης και εκπαίδευσης
Σε γενικές γραμμές, το JumpStar ακολουθεί το πρότυπο του AlphaZero: το αυτοπαιχνίδι παράγει στόχους επισκέψεων MCTS, αυτοί οι στόχοι εκπαιδεύουν ένα μοντέλο policy/value και το ισχυρότερο μοντέλο καθοδηγεί τον επόμενο γύρο αναζήτησης.
αυτοπαιχνίδι -> στόχοι επισκέψεων MCTS -> εκπαίδευση policy/value -> ισχυρότερη αναζήτηση -> αυτοπαιχνίδι
Η πρακτική δύναμη προήλθε από το να γίνει αυτός ο κύκλος αρκετά φθηνός ώστε να τρέχει ξανά και ξανά: εγγενείς διεργασίες αυτοπαιχνιδιού σε C++, αποδοτική παραγωγή κινήσεων, ομαδική αξιολόγηση φύλλων, μεταθέσεις (transpositions), επαναχρησιμοποίηση υποδέντρων, συμπαγή δεδομένα και release builds ρυθμισμένα για τοπικό υλικό της Apple.
Μεγάλο μέρος αυτής της επιτάχυνσης οφείλεται στη χρήση του Codex με το GPT-5.5 ως συνεργάτη στην υλοποίηση και την έρευνα. Το Codex βοήθησε στην επιθεώρηση του κώδικα, στον εντοπισμό σημείων συμφόρησης, στην επανεγγραφή κρίσιμων διαδρομών κώδικα, στην ανάλυση αρχείων εκπαίδευσης, στην οργάνωση εκτελέσεων benchmark και στο να προχωρούν ταυτόχρονα πολλά πειράματα. Τα σημαντικότερα οφέλη ήταν πρακτικά: μεγάλες επιταχύνσεις στο αυτοπαιχνίδι και στην αξιολόγηση, μείωση μνήμης περίπου 98% στη διαδικασία εκπαίδευσης ώστε η δουλειά να χωράει στον τοπικό μου υπολογιστή, και αρκετός αυτοματισμός ώστε η μηχανή να βελτιώνεται ενώ παράλληλα έκανα την κανονική μου δουλειά ως CEO της Edia.
Το έργο προχώρησε ασυνήθιστα γρήγορα, επειδή ο κύκλος δεν ήταν μόνο αυτοπαιχνίδι για το μοντέλο· ήταν επίσης ένας επαναληπτικός κύκλος μηχανικής για όλο το σύστημα γύρω του. Το Codex έκανε δυνατό να τρέξει ένα πείραμα, να εξεταστεί πού αποτυγχάνει, να βελτιστοποιηθεί ο κώδικας, να ξανατρέξει το benchmark, να συνοψιστεί το αποτέλεσμα και η επόμενη ερώτηση να γίνει συγκεκριμένο patch. Αυτός ο κύκλος ανατροφοδότησης συμπίεσε δουλειά που αλλιώς ίσως χρειαζόταν μήνες για υποδομή, εργαλεία, frontend, benchmark και συγγραφή σε περίπου μία εβδομάδα, από την ανακάλυψη του παλιού ταμπλό ως τη δημόσια κυκλοφορία.
Η τοπική καταμέτρηση του Codex δίνει μια χοντρική εικόνα της κλίμακας αυτής της συνεργασίας. Σε όλα τα νήματα του έργου που φαίνονται στην τοπική βάση δεδομένων κατάστασης του Codex, τα καταγεγραμμένα tokens_used έφτασαν συνολικά περίπου τα 559.9M tokens. Οι αριθμοί αυτοί περιλαμβάνουν το context, την έξοδο των εργαλείων, τα αποτελέσματα του cached context, την καταμέτρηση reasoning/output και αλληλεπικαλυπτόμενα νήματα εργασίας, οπότε πρέπει να διαβάζονται ως μέτρο της διαδικασίας και όχι ως επιστημονική μέτρηση υπολογιστικής ισχύος.
Το CCERL και το δημόσιο benchmark
Η Κινέζικη ντάμα δεν έχει ώριμη δημόσια κατάταξη μηχανών όπως το σκάκι και το Go, κάτι που δυσκολεύει την αξιολόγηση της δύναμης και της προόδου των μηχανών. Το CCERL καλύπτει αυτό το κενό. Το CCERL είναι το πρώτο δημόσιο benchmark για την αξιολόγηση της δύναμης μηχανών AI στην Κινέζικη ντάμα. Βασισμένο σε αντίστοιχες ιδέες από το σκάκι και το Go, παρέχει σταθερούς κανόνες, ελεγμένες αρχικές θέσεις, ζεύγη με εναλλαγή πλευρών, αρχεία παρτίδων για λήψη και δημόσιες μηχανές αναφοράς.
Με βάση τα benchmark του CCERL, το JumpStar φαίνεται να είναι με μεγάλη διαφορά η ισχυρότερη δημόσια διαθέσιμη μηχανή AI για Κινέζικη ντάμα στον κόσμο.
Πιστεύω ότι το JumpStar έχει φτάσει σε σχεδόν υπερανθρώπινη δύναμη στην Κινέζικη ντάμα με τους κανόνες δύο παικτών, χρησιμοποιώντας υπολογιστική ισχύ ενός MacBook. Ακόμη πιο σημαντικό, το CCERL δίνει σε όλους τους μελλοντικούς συνεισφέροντες έναν στόχο: να τροποποιήσουν το JumpStar, να φτιάξουν νέο μοντέλο, να μεταφέρουν πιο πιστά μια υπάρχουσα μηχανή, να προσθέσουν καλύτερες θέσεις ή να υποβάλουν έναν διεκδικητή με τον ίδιο διαιτητή.
Μελλοντικά σχέδια
Το JumpStar δεν προορίζεται να είναι απλώς ένα ιδιωτικό bot. Το έργο προσπαθεί να γίνει τέσσερα πράγματα:
- Ένα ισχυρό δημόσιο μοντέλο AI. Το JumpStar διατίθεται με ανοιχτή άδεια και αυτός ο ιστότοπος είναι δωρεάν. Ο καθένας μπορεί να παίξει απέναντι στο JumpStar ή να προσπαθήσει να το βελτιώσει μόνος του. Το JumpStar εκπαιδεύτηκε εξ ολοκλήρου σε ένα MacBook M4. Περισσότερη υπολογιστική ισχύς σίγουρα θα βελτιώσει την απόδοσή του.
- Δημόσια υποδομή benchmark. Το σκάκι και το Go έχουν κοινότητες όπου οι μηχανές δοκιμάζονται, συγκρίνονται και βελτιώνονται. Το CCERL φέρνει την ίδια υποδομή στην Κινέζικη ντάμα: σαφείς κανόνες, αναπαραγώγιμους αγώνες, δημόσια αρχεία καταγραφής και έναν δρόμο για να φτιάξουν κι άλλοι τα δικά τους μοντέλα.
- Έρευνα για το ίδιο το παιχνίδι. Ένα δυνατό AI αλλάζει αυτό που μπορούμε να δούμε. Θέλω να καταλάβω πώς μοιάζει το καλό παιχνίδι, πώς εξελίσσονται τα ανοίγματα, γιατί τα γεμάτα ταμπλό συμπεριφέρονται όπως συμπεριφέρονται και τι συμβαίνει σε παρτίδες τριών, τεσσάρων και έξι παικτών, όταν το κέντρο του ταμπλό γίνεται ένα μποτιλιάρισμα δυνατοτήτων.
- Παραλλαγές για πολλούς παίκτες. Το μοντέλο δύο παικτών είναι μόνο η αρχή. Τα πιο συναρπαστικά ερωτήματα ξεκινούν όταν το ταμπλό γεμίζει: τρεις παίκτες, τέσσερις παίκτες, έξι παίκτες, συμμαχίες που αλλάζουν, κλειστές διαδρομές και παράξενα ανοίγματα που αναδύονται. Θέλω να ανακαλύψω πώς μοιάζει το δυνατό παιχνίδι κι εκεί, αλλά και σε ταμπλό πολύ μεγαλύτερα από το κανονικό. Η πολυπλοκότητα και τα μοτίβα που θα προκύψουν θα είναι μαγευτικά.
Ελπίζω το JumpStar να ενθαρρύνει περισσότερους ανθρώπους να σκεφτούν την Κινέζικη ντάμα, να την παίξουν, να τη μελετήσουν και να δημιουργήσουν γύρω της.